KARAKTERISASI RESERVOIR MENGGUNAKAN ANALISIS MULTI

ATRIBUT DAN NEURAL NETWORK

Model geologi yang dikembangkan dari data parameter fisika kurang dapat menggambarkan
keadaan geologi yang sebenarnya. Survei seismik 3D menyediakan cakupan yang lebih
menyeluruh pada area pengembangan eksplorasi. Tetapi, data seismik juga mempunyai
keterbatasan seperti band – limited frequency serta terkontaminasi dengan sinyal noise serta error
fasa. Sehingga data seismik perlu diintegrasikan dengan data log menggunakan metode
multiatribut. Multiatribut pada dasarnya suatu proses ekstraksi beberapa atribut dari data seismik
yang mempunyai korelasi yang baik terhadap data log yang pada akhirnya digunakan untuk
memprediksi data log pada setiap lokasi di data seismik. Tetapi pada kenyataannya, multiatribut
tidak memberikan nilai korelasi yang relatif tinggi, sehingga terdapat pengembangan metode
multiatribut, yaitu multiatribut Probabilistic Neural Network (PNN).

Atribut seismik didefinisikan sebagai karakterisasi secara kuantitatif dan deskriptif dari data
seismik yang secara langsung dapat ditampilkan dalam skala yang sama dengan data awal (Barnes,
1999). Analisis atribut seismik dapat memberikan beberapa informasi kualitatif dari geometri dan
parameter fisik dari bawah permukaan. Beberapa contoh atribut seismik adalah amplitudo, fasa,
frekuensi dan lain sebagainya.

Sifat fisik batuan yang bisa dicari penyebarannya dengan analisa multiatribut adalah porositas.
Sifat fisik porositas memungkinkan suatu matriks batuan mengandung suatu fluida tertentu. Fluida
ini yang diharapkan sebagai kandungan hidrokarbon. Prediksi porositas dan penyebarannya pada
suatu lapisan batuan bawah permukaan diperlukan beberapa parameter dari atribut seismik dan
data sumur serta suatu metode untuk mengolahnya sehingga dapat ditampilkan peta penyebaran
porositas tersebut. Metode lanjutan dari analisa multiatribut adalah Artificial Neural Network
(ANN) dengan jenis transformasi Probabilistic Neural Network (PNN), yang mengkombinasikan
beberapa parameter untuk menghasilkan output yang diinginkan berupa peta sebaran porositas
secara lateral.

Tujuan Penelitian

1. Mendapatkan peta persebaran porositas dengan koefisien korelasi yang lebih baik.
2. Mengestimasi lapisan prospek yang berfungsi sebagai reservoir hidrokarbon.

Batasan Masalah

1. Metode yang digunakan adalah analisa multiatribut seismik dan aplikasi neural network
 2. Data yang akan digunakan meliputi data seismik 3D post stack dan data log (sonik,
densitas, porositas, dan GR)

Pengolahan data :

1. Analisa data log  dilakukan untuk mengetaui jenis log sumur yang sensitif dalam
membedakan litologi batuan.
2. Ekstraksi wavelet dilakukan untuk memperoleh wavelet yang akan digunakan.
3. Well seismic tie  dilakukan untuk menyamakan domain kedalaman pda data log sumur
dengan domain waktu pada data seismik hingga diperoleh informasi lengkap dan
komprehensif.
4. Picking horizon  dilakukan untuk mendapatkan batas horizon pada kemenerusan lapisan
penampang seismik.
5. Inversi impedansi akustik dimana yang digunakan adalah inversi model based 
digunakan sebagai atribut AI pada proses multiatribut seismik.
6. Multiatribut seismik PNN  disini dilakukan asumsi hubungan antara atribut seismik dan
porositas adalah non-linear, setelah itu hubungan yang diperoleh diaplikasikan ke seluruh
volume data seismik sehingga diperoleh volume porositas dan densitas.
7. Lalu dilakukan blind test untuk mengetahui kualitas estimsi metode seismik multiaribut
ini.

Output

Peta sebaran porositas menggunakan analisis multiatribut Probabilistic Neural Network (PNN)
memberikan peningkatan nilai korelasi serta resolusi penampang.