Ujian Akhir Semester Komputasi Geofisika 20

Desember 2023
Dosen: Prof. Dr. rer. nat. ABD Haris dan Befriko Murdianto
Take Home Exam, dikumpulkan ke befriko@gmail.com paling lambat Minggu, 24 Desember 2023 pukul
23:59 WIB*

Nama : Eka Liandari

NPM : 2306175503

1. proses yang disebut Full Waveform Inversion (FWI) adalah teknik yang digunakan untuk
memperbaharui model kecepatan bawah permukaan dengan meminimalkan selisih antara
data seismik yang diukur dan data yang diprediksi dari model kecepatan.
Berdasarkan gambar, kita diberi tiga peta kecepatan yang berbeda: "Marmousi II" yang
merupakan model kecepatan sintetik yang kompleks, sebuah model kecepatan awal
("Initial") yang jauh lebih sederhana dan seragam, dan model kecepatan "Final" yang
merupakan hasil yang diinginkan setelah menjalankan FWI.

Untuk mendapatkan model kecepatan "Final" dari model "Initial" dengan menggunakan
FWI, prosesnya umumnya melibatkan langkah-langkah berikut:
a. Mengumpulkan data seismic : Menggunakan data seismik yang telah direkam dari
lapangan yang sesuai dengan model "Marmousi II".
b. Forward Modeling : : Menggunakan model kecepatan awal ("Initial") untuk
menghasilkan data seismik sintetik.
c. Menghitung residual : Menghitung selisih antara data seismik yang diukur (atau sintetik
dari "Marmousi II") dan data seismik yang diprediksi dari model kecepatan awal.
d. Optimisasi : Menyesuaikan model kecepatan awal untuk meminimalkan residual
tersebut. Ini dilakukan melalui proses iteratif yang memperbaharui model kecepatan
awal berdasarkan gradient dari fungsi objektif (misalnya, perbedaan antara data yang
diukur dan yang diprediksi).
e. Iterasi: Proses optimisasi diulangi dengan menggunakan model kecepatan yang baru
diperbaharui untuk forward modeling dan penghitungan residual. Ini dilakukan
berulang kali sampai konvergensi tercapai, yaitu ketika perubahan dalam model
kecepatan menjadi sangat kecil atau fungsi objektif telah cukup diminimalkan.
f. Validasi : Memastikan bahwa model kecepatan akhir yang dihasilkan konsisten dengan
pengamatan geologis dan seismik lainnya.

Proses ini sangat bergantung pada algoritma yang digunakan untuk inversi, kualitas
data input, dan parameterisasi model kecepatan. FWI bisa menjadi sangat kompleks
dan membutuhkan komputasi yang intensif, sering kali dilakukan menggunakan
superkomputer atau kluster komputasi berperforma tinggi.

2. Kita sedang melakukan Quality Control (QC) terhadap data hasil inversi seismik post-stack
menggunakan metode band-limited impedance. Terdapat dua plot yang menunjukkan data
log sumur (biru) dan data seismik yang dihasilkan dari inversi (merah) untuk dua sumur
yang berbeda, yaitu sumur S-1 dan sumur X-1.
Untuk menentukan apakah hasil inversi sudah optimum, kita perlu membandingkan
kesesuaian antara data seismik yang dihasilkan dari inversi (merah) dengan data log sumur
asli (biru). Dalam konteks geofisika, "optimum" berarti bahwa hasil inversi mencerminkan
 sifat-sifat fisik bawah permukaan dengan akurat berdasarkan data yang dimiliki.

Berdasarkan gambar di atas , tampaknya terdapat beberapa ketidaksesuaian antara data log
(biru) dengan hasil seismik (merah), terutama pada interval waktu sekitar 1.5 hingga 2.5 detik.
Hal ini dapat disebabkan oleh beberapa faktor, seperti:
a. Resolusi data: Data seismik biasanya memiliki resolusi vertikal yang lebih rendah
dibandingkan dengan data log sumur. Ini bisa menyebabkan ketidaksesuaian dalam
mewakili lapisan tipis atau perubahan properti batuan yang cepat.
b. Noise/gangguan : Data seismik mungkin terpengaruh oleh noise atau gangguan lain yang
tidak ada dalam data log sumur, yang bisa mempengaruhi hasil inversi.
c. Pemodelan inisial : Jika model kecepatan awal yang digunakan untuk inversi tidak akurat
atau terlalu sederhana, hal ini bisa menyebabkan hasil inversi yang tidak optimal
d. Bandwith data :Karena ini adalah inversi band-limited impedance, keterbatasan
bandwidth dari data seismik dapat menyebabkan hilangnya informasi frekuensi rendah
dan tinggi yang penting untuk memperoleh gambaran yang lebih akurat.
e. Parameter inversi : Pilihan parameter dan pengaturan untuk proses inversi dapat
mempengaruhi hasil. Misalnya, parameter regulerisasi yang tidak tepat bisa
menyebabkan hasil yang over-smoothed atau under-fitted.
f. Kualitas inversi: Tingkat keberhasilan inversi juga tergantung pada algoritma yang
digunakan dan kualitas data input. Misalignment bisa menandakan bahwa proses inversi
tidak berhasil menangkap beberapa aspek penting dari data.

Untuk meningkatkan hasil, kita perlu mengkaji ulang model kecepatan awal, meningkatkan
pemrosesan data seismik sebelum inversi, atau menyesuaikan parameter inversi. Selain itu,
menggabungkan data dari berbagai jenis pengukuran, seperti data gravitasi atau
elektromagnetik, bisa membantu meningkatkan akurasi model inversi.

3. Berdasarkan gambar yang disediakan, ada beberapa kemungkinan alasan mengapa trace
hasil inversi seismik (merah) tidak sesuai dengan log impedansi akustik (biru) di sumur X-1,
terutama pada kedalaman antara 1.5 – 2.5 detik two-way travel time (TWT), sementara di
sumur S-1 kesesuaian (match) tampaknya cukup baik, yaitu :
a. Ketidaksesuaian data log : Jika data log di sumur X-1 tidak direkam atau diproses dengan
cara yang sama dengan sumur S-1, ini bisa menyebabkan ketidaksesuaian. Misalnya,
kalibrasi yang berbeda atau noise yang tidak teridentifikasi dalam data log bisa
 mempengaruhi hasil inversi.
b. Kesalahan dalam ekstraksi trace Jika ekstraksi trace seismik di lokasi sumur X-1 tidak
dilakukan dengan benar, mungkin karena kesalahan dalam matching posisi well head di
permukaan, ini akan menyebabkan ketidaksesuaian. Kesalahan positioning bisa
diakibatkan oleh kesalahan pengukuran, kesalahan data input, atau masalah dalam proses
interpolasi.
c. Variasi geologi lokal : Mungkin ada perbedaan geologi lokal yang signifikan antara
kedua sumur yang menyebabkan respon seismik yang berbeda. Struktur geologi yang
kompleks atau heterogenitas pada lokasi sumur X-1 mungkin tidak terwakili dengan baik
dalam model inversi.
d. Kualitas data seismik mungkin berbeda antara dua lokasi tersebut. Misalnya, jika data di
sekitar sumur X-1 lebih terpengaruh oleh noise atau memiliki bandwidth frekuensi yang
lebih terbatas, hal ini bisa menyebabkan hasil inversi yang kurang akurat.
e. Perbedaan proses inversi : Mungkin terjadi bahwa proses inversi di sumur X-1
mengalami masalah seperti overfitting atau underfitting data seismik, atau mungkin
penggunaan parameter yang tidak sesuai dengan kondisi geologi setempat.
f. Perubahan fisik di bawah permukaan :Perubahan dalam properti fisik bawah permukaan,
seperti porositas atau saturasi fluida, yang mungkin tidak teridentifikasi dengan baik
selama proses inversi, bisa menyebabkan kesalahan dalam estimasi impedansi akustik.
g. Faktor lingkungan seperti variasi temperatur, tekanan, atau kondisi operasional selama
pengambilan data log dapat mempengaruhi pengukuran dan menyebabkan
ketidaksesuaian tersebut.

Untuk mengatasi masalah ini, mungkin diperlukan investigasi lebih lanjut mengenai kualitas data,
prosedur pengambilan data, dan pemrosesan inversi. Membandingkan hasil inversi dengan data
tambahan atau menggunakan teknik pengolahan data yang lebih canggih juga dapat membantu
dalam mengidentifikasi dan mengoreksi sumber ketidaksesuaian tersebut.

4.
Dari hasil grafik dan hasil yang didapat dari comman window, kita bisa menyimpulkan bahwa grafik
tersebut tidak akurat,, tampak bahwa ada beberapa titik di mana data yang dihitung tidak sesuai
dengan data observasi, hal Ini bisa diindikasikan oleh jarak antara titik-titik (lingkaran merah) dan
garis biru (hasil kalkulasi) tidak terhubung, dan hasil setelah lima iterasi bukanlah matrik singular
(Nan = Not a Number), SSE (Sum of Squared Errors (SSE) )juga bukanlah berupa angka.

Untuk mendapatkan hasil yang lebih akurat, yang bisa kita lakukan adalah :