Hasil Pencarian  ::  Simpan CSV :: Kembali

"Sumur Meranji-1 menemukan cadangan hidrokarbon pada Formasi Batupasir Namur di Struktur Meranji yang terletak pada Lapangan Merrimelia, Cekungan Eromanga, Australia. Cekungan ini terbentuk mulai kurun waktu Awal Jurassic hingga Akhir Cretaceous dan didominasi oleh lingkungan pengendapan braided, meandering fluvial, shoreface serta lacustrine turbidite sandstone sehingga memiliki reservoar yang cukup tebal dan sangat potensial untuk menjadi lapangan produksi.Walaupun memiliki potensi untuk menjadi lapangan produksi, lapangan ini belum memiliki peta distribusi reservoar yang dapat digunakan untuk pengembangan lapangan lebih lanjut. Oleh karena itu, studi karakterisasi reservoar dilakukan dengan metode inversi seismik dan dekomposisi spektral untuk menghasilkan peta distribusi reservoar ini. Metode inversi seismik menghasilkan penampang impedansi akustik yang dapat diasosiasikan dengan litologi reservoar sedangkan metode dekomposisi spektral menghasilkan penampang frekuensi yang dapat diolah dan dianalisis lebih lanjut untuk mengidentifikasi keberadaan fluida reservoar.Studi dekomposisi spektral dimulai dengan mengekstrak frekuensi data seismik setiap kelipatan 1 Hz dari frekuensi 1 Hz sampai dengan frekuensi 60 Hz. Penampang frekuensi ini kemudian diolah untuk menghasilkan frequency gather pada perpotongan inline dan xline di lokasi terdekat dengan Sumur Meranji-1. Dari frequency gather ini kemudian ditarik horizon pada zona reservoar minyak, gas dan air lalu diplot pada grafik amplitudo vs frekuensi. Dari grafik ini selanjutnya ditentukan zona low (frekuensi 9-13 Hz), mid (frekuensi 16-20 Hz) dan high (frekuensi 35-39 Hz) lalu dilakukan operasi aritmatika sebagai berikut: zona mid dikurangi zona low (disebut zona mL), zona high dikurangi zona mid (disebut zona Hm) dan zona mL dikali dengan zona Hm yang disebut zona Hm*mL. Zona mL akan menampilkan zona-zona keberadaan gas sedangkan zona Hm*mL akan menampilkan zona-zona keberadaan minyak.

---

Meranji-1 well discovered hydrocarbon reserves in the Namur Sandstone Formation which is located on Meranji Structure in Merrimelia Field, Eromanga Basin, Australia. This basin was formed from the period of Early Jurassic to Late Cretaceous and the depositional environment is dominated by braided, meandering fluvial, shoreface and lacustrine turbidite sandstone that have a fairly thick reservoir and very potential to be a producing field.

Although it has the potential to become a producing field, the field does not have any reservoir distribution maps that can be used for further field development. Therefore, reservoir characterization studies conducted using seismic inversion and spectral decomposition methods to produce these reservoir distribution maps. Seismic inversion method produces an acoustic impedance section that can be associated with reservoir lithology while spectral decomposition method produces a frequency section which can be further processed and analyzed to identify the presence of the reservoir fluid.

Spectral decomposition study begins with seismic data extraction for every single frequency from 1 to 60 Hz. These frequency sections then processed to produce a frequency gather at the intersection of inline and xline near Meranji-1 well. From this frequency gather then drawn a horizon at oil, gas and water reservoir zone and then plotted on a frequency vs amplitude graph. Based on this graph; low (frequency 9-13 Hz), mid (frequency 16-20 Hz) and high (frequency 35-39 Hz) zone is defined and then performed an arithmetic operation as follows: mid zone minus the low zone (called mL zone), high zone minus the mid zone (called Hm zone) and the mL zone multiplied by the Hm zone (called Hm*mL zone). mL Zone will display the zones where the gas is presence while Hm * mL zones will show the presence of oil."

"Telah dilakukan upaya untuk mempersempit lebar garis keluaran laser zat warna pulsa dengan menggunakan teknik susunan prisma. Untuk mengamati secara langsung lebar garis spektral keluaran laser, berkas laser didispersikan oleh kisi pantul di dalam suatu alat pengukur panjang gelombang. Uraian panjang gelombang (spektrum warna) yang tampak dari mikroskop pengukur panjang gelombang dipotret dan disajikan dalam bentuk foto-foto. Dengan susunan 4 (empat) prisma diperoleh penyempitan lebar garis dengan faktor -1/17, yakni dari – 0,952 nm menjadi – 0,056 nm. Pengujian lebib lanjut dilakukan dengan menggunakan berkas laser tersebut dalam spektroskopi laser-berkas atom untuk mengamati garis-garis DI dan D2 pada atom Na. Dari pengujian spektroskopi diperoleh lebar garis spektral laser dengan susunan 4 prisma – 0,075 nm"

"Pembelajaran mesin merupakan ilmu yang mempelajari cara membuat komputer dapat melakukan pembelajaran secara mandiri tanpa dilakukan pemrograman secara eksplisit. Proses identifikasi batuan melalui klasifikasi dan klasterisasi dapat dilakukan menggunakan pembelajaran mesin. Daerah penelitian dilakukan pada wilayah Manjimup, Australia Bagian Barat. Penelitian ini bertujuan untuk menentukan klasifikasi dan klasterisasi mineral batuan menggunakan pembelajaran mesin. berdasarkan data spektral yaitu Short-Wavelength Infrared (SWIR), dan Mid or Thermal Infrared (TIR) yang berasal dari pengukuran spektrum elektromagnetik untuk mengidentifikasi fitur-fitur mineral batuan. Klasifikasi dilakukan menggunakan pembelajaran mesin tersupervisi untuk menentukan akurasi terbaik dengan lima jenis metode, antara lain K-Nearest Neighbors (K-NN), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), dan Multi-layer Perceptron (MLP). Metode SVM menjadi akurasi terbaik pada data SWIR dan metode MLP menjadi akurasi terbaik pada data TIR untuk klasifikasi mineral batuan. Klasterisasi dilakukan menggunakan pembelajaran mesin tidak tersupervisi metode K-Means untuk menentukan kelompok batuan teroptimal berdasarkan informasi geologi yang dimiliki. Tiga kelompok batuan menjadi jumlah kelompok batuan teroptimal berdasarkan informasi geologi yang dimiliki.

---

Machine Learning gives computers the ability to learn without being explicitly programmed. Classification and clustering method used in machine learning able to identifying rocks. The study area is located in the Manjimup region, Western Australia. This study aims to determine the classification and clustering of rock minerals using machine learning. based on spectral data namely Short-Wavelength Infrared (SWIR), and Mid or Thermal Infrared (TIR) collected from electromagnetic spectrum measurements to identify rock mineral features. Classification method used in supervised machine learning able to determine the best accuracy from five types of methods, which are K-Nearest Neighbors (K-NN), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), and Multi-layer Perceptron (MLP). SVM method becomes the best accuracy on SWIR data and the MLP method becomes the best accuracy on TIR data for rock mineral classification. Clustering method used in unsupervised machine learning which is the K-means algorithm able to determine optimal rock clusters based on geological information they have. Three rock clusters become the most optimal number of rock clusters based on the geological information."

"Dekomposisi Spektral adalah metode yang menghasilkan ekspresi dari sebuah tras seismik pada domain waktu-frekuensi yang digunakan untuk menunjukkan broadband dari data seismik menjadi komponen frekuensinya. Analisis dari komponen spektra individu frekuensi ini dapat menunjukkan informasi geologi yang dibutuhkan lebih baik apabila dibandingkan dengan analisis data broadband secara konvensional. Selain itu dapat juga digunakan untuk mengestimasi lapisan tipis batubara yang memiliki temporal thickness lebih kecil dari ¼ λ. Ketebalan lapisan tipis batubara diwujudkan sebagai uraian dari rekaman spektrumnya. Metode yang digunakan dalam pengolahan data dekomposisi spektral ini adalah metode Continuous Wavelet Transform (CWT) yang menghasilkan domain waktu-frekuensi yang dapat menghasilkan resolusi gambaran seismik yang lebih baik dalam domain waktu-frekuensi.Pada penelitian ini data yang digunakan adalah 17 lintasan data seismik 2D dan 2 data sumur yang memiliki data checkshot. Hasil akhir yang diperoleh adalah peta estimasi penyebaran lateral lapisan tipis batubara dari lapangan ?B? pada Cekungan Sumatra Selatan dengan menggunakan Dekomposisi Spektral dengan metode CWT. Pada hasil akhir diperoleh lapisan batubara yang potensial di bagian tengah dan selatan daerah penilitian.

---

Spectral Decomposition is one of methods that decompose seismic trace in to time-frequency domain to demonstrate the seismic broadband data become its time-frequency. Time-frequency analysis and its component showing geologic features better than another conventional broadband data analysis. Spectral Decomposition is also used for estimating of coal seam that has temporal thickness less than ¼ λ. The thickness coal seam is manifested as its spectrum. The spectral decomposition algorithm that is used is Continuous Wavelet Transform (CWT) in time-frequency domain that yielding better seismic resolution in time-frekuensi domain.

This study used 17 lines of 2D seismic data and 2 well data that each has a checkshot data. This work produced map of lateral distribution of coal seam at the field "B" in South Sumatra Basin. The result show that the most potential coal seam is from the centre and north from study area."

"Lapangan M merupakan lapangan gas yang terletak di Cekungan Sumatera Selatan dan sudah dikembangkan dengan pemboran 5 sumur pengembangan dari reservoar paparan karbonat Formasi Baturaja, dengan rata-rata produksi sebesar 4 MMCFPD per sumur. Berdasarkan hasil interpretasi seismik dan analog dengan lapangan minyak disebelah utara lapangan M, yaitu lapangan A, masih terdapat potensi reservoar minyak (oil rim) yang terletak downdip dari reservoar gas yaitu daerah yang belum dikembangkan di antara batas kontak gas dan minyak dengan batas kontak minyak dan air. Data produksi minyak sumur-sumur di lapangan A berkisar antara 100 - 800 BOPD per sumur. Hasil studi ini diharapkan dapat mengidentifikasi zona prospek minyak tersebut dan juga untuk pengembangan lebih lanjut zona gas. Menggunakan data seismik 3D dan data sumur, dilakukan evaluasi melalui metode dekomposisi spektral Continuous Wavelet Transform (CWT) data seismogram sintetik sumur dan data tras seismik yang melewati sumur, kemudian hasilnya disebarkan ke seluruh lapangan untuk mengidentifikasi penyebaran lateral keberadaan zona anomali frekuensi rendah. Hasil analisa dekomposisi spektral CWT pada data sumur dan data tras seismik yang ditunjukkan pada crossplot antara Amplitudo CWT dengan Frekuensi memperlihatkan korelasi yang cukup bagus. Sumur gas menunjukkan nilai amplitudo CWT paling tinggi pada frekuensi 10 ? 13 hz dan sumur minyak pada frekuensi 17 - 22 hz. Nilai amplitudo menurun pada frekuensi yang lebih tinggi. Pada sumur air, nilai amplitudo CWT selalu paling rendah pada frekuensi rendah hingga tinggi, sehingga dari crossplot tersebut dapat disimpulkan bahwa cut-off amplitudo zona air adalah pada 1,0+E09. Berdasarkan hasil analisis CWT dari data sumur ini, analisa dekomposisi spektral CWT kemudian disebarkan ke seluruh lapangan untuk bisa mengidentifikasi zona prospek. Selain itu, hasil crossplot antara nilai amplitudo CWT dengan nilai Saturasi air (Sw) pada zona reservoir memperlihatkan adanya hubungan yaitu nilai amplitudo CWT yang tinggi berkorelasi dengan nilai saturasi air yang rendah, begitupun sebaliknya.

---

Field M is a gas field located in the South Sumatra Basin and has been developed by the drilling of five development wells from carbonate platform reservoir of Baturaja Formation, with average production of 4 MMCFPD per well. Based on the result of seismic interpretation and its analog to the oil field located to the north of field M, namely field A, there is still potential of oil reservoir (oil rim) located downdip from the gas reservoir The potential area is limited in the area that has not been developed between gas and oil contact and between oil and water contact. The production of oil wells in the field A ranges between 100-800 BOPD per well. The result of this study is expected to identify the oil zone and other prospects for further gas development.

Based on 3D seismic data and well data, the evaluation was carried out using one of spectral decomposition methods, the Continuous Wavelet Transform (CWT). The analysis was done using both well synthetic seismogram data and seismic trace that crossing-through the wells. Then CWT was run on both data. Referring to the result of the analysis, CWT was distributed across the field to identify the presence of low-frequency zone.

The results of the CWT analysis from well data and seismic trace data are shown on the crossplots between the amplitude and the frequency. They show a fairly good correlation. Gas zone shows the highest value of CWT amplitude at a frequency of 10-13 Hz and oil zone shows the highest value at a frequency of 17- 22 Hz. Amplitude values decreased in the higher frequencies. In the water zone, the value of the CWT amplitude is always lower in low to high frequencies. From the crossplot it can be concluded that the cut-off amplitude value for water zone is at 1.0 + E09. In any frequency, the CWT amplitudes below that value is nonhydrocarbon or water.

The result of spectral decomposition that is based the above analysis and distributed throughout the field is able to identify zones of prospects. In addition to that, the crossplot between the CWT value and the water saturation (Sw) in each oil, gas and water zone shows a correlation. High CWT amplitudes correlate to low water saturation, and vice versa."

"ABSTRAKLAPAN-A3 merupakan satelit eksperimental generasi ketiga milik LAPAN. Sebagai satelit pembawa misi observasi bum', data multispektral LAPAN-A3 dapat diaplikasikan untuk pemanfaatan Iebih lanjut. Penelitian ini difokuskan untuk mengetahui hubungan antara nilai spektral digital number imager LAPAN-A3 dan Sentinel-2A pada studi kasus wilayah Aceh Singkil. Uji korelasi dilakukan dengan menggunakan koefisien korelasi Pearson. Korelasi menunjukkan bahwa nilai digital number LAPAN-A3 dan Sentinel-2A memiliki hubungan yang rendah atau tidak menunjukkan adanya hubungan secara linear."

"Spektral dekomposisi memberikan sebuah arti baru dalam penggunaan data seismik dan Discrite Fourier Transform (DFT) untuk penggambaran dan pemetaan ketebalan lapisan fungsi waktu dan ketidak selarasan geologi meliputi survey seismic 3-D yang luas. Dengan mentranformasikan data seismik ke domain frekuensi dengan DFT, amplitudo spektrumnya mengindikasikan variasi ketebalan lapisan fungsi waktu sedangkan spektrum phase nya mengindikaskan ketidakselararan geologi secara lateral. Sementara itu, geostatistik menyediakan teknik integrasi antara data sumur (?hard data?) dan data seismik ("soft data"). Lebih dari satu dekade, khususnya ketika mengintergrasikan data seismik 3-D dan data sumur, teknik geostatistik telah diterima sebagai teknologi untuk karakterisasi reservoar minyak bumi.Penelitian ini dilakukan dengan membuat suatu metode untuk estimasi ketebalan reservoar batupasir dengan mengintegrasikan metode spektral dekomposisi dan teknik geostatistik. Model sintetik lapisan membaji digunakan untuk membuktikan teori spektral dekomposisi. Setelah sukses dalam karakterisasi model sintetik, kemudian metode ini digunakan pada data riil dengan mengintegasi teknik geostatistik untuk kuantifikasi ketebalan reservoir batupasir. Dari metode spektral dekomposisi diperoleh attribut frekuensi tuning yang mempunyai korelasi terbalik dengan ketebalan reservoar pada sumur-sumur kontrol. Dengan teknik geostatistik, attribut frekuensi tuning digunakan sebagai preditor untuk mengestimasi ketebalan reservoar batupasir diluar sumur kontrol.Dua model kasus dengan berbeda koefisien korelasi digunakan untuk menguji metode ini. Untuk validasi, kemudian digunakan dua data sumur sebagai blind test di masing-masing kasus untuk mengetahui keakuratan estimasi ketebalan reservoar batupasir dengan metode ini dibandingkan dengan metode konvensional kriging data sumur saja. Hasilnya memperlihatkan bahwa metode ini memberikan hasil yang lebih akurat dibandingkan dengan metode konvensional. Sehingga metode ini dapat menjadi salah satu alternatif untuk kuantifikasi ketebalan reservoar.

---

Spectral decomposition provides a novel means of utilizing seismic data and the Discrete Fourier Transform (DFT) for imaging and mapping temporal bed thickness and geologic discontinuities over large 3-D seismic surveys. By transforming the seismic data into the frequency domain via the DFT, the amplitude spectra delineate temporal bed thickness variability while the phase spectra indicate lateral geologic discontinuities. Meanwhile, geostatistics provide data integration techniques between wells data (?hard data?) and seismic data (?soft data?). For more than a decade, geostatistical techniques, especially when incorporating 3-D seismic data, have been an accepted technology to characterize petroleum reservoirs.

The research was done by building a methodology for estimating sandstone reservoir thickness by integrating spectral decomposition and geostatistical techniques. Wedge synthetic model used for proving spectral decomposition theory. After having a successfully in characterization on synthetic model then the methodology applied to the real data with geostatistical techniques for quantify sandstone reservoir thickness. From spectral decomposition method, we got attribute tuning frequency which have inverse correlation with sandstone reservoir thickness in control wells. With geostatistic technique, collocated cokriging, attribute frequency tuning used as predictor for quantifying sandstone reservoir thickness away from the wells.

Two difference cases with difference correlation coefficient used for testing this method. For validation, then two wells used as blind test for every case to understand the accurateness of this method compare to conventional method using kriging wells data only. This method gave an accurate results compare to conventional kriging method. And this method can be used an alternative method for quantify reservoir thickness."

"Lapangan XYZ adalah lapangan gas yang berada di Selat Makasar Kalimantan Timur. Lapangan ini terletak di bagian timur dari laut dalam Delta Mahakam dan kedalaman rata-rata air laut di daerah ini kurang lebih 6000 feet. Reservoir di lapangan ini dipercaya sebagai endapan turbidite laut dalam, dan dikenal sebagai "deep water channelized system" yang berumur antara Pliosen bawah - Miosen Atas. Oleh karena itu reservoir di daerah ini memiliki kuantitas dan kualitas yang sangat bervariasi.Dalam penelitian ini dipilih metoda dekomposisi spektral yang hasilnya diharapkan akan dapat digunakan dalam mendeliniasi, dan analisa facies reservoir dengan pendekatan model yang telah ada sebelumnya dan telah dilakukan oleh Slatt 2006. Sementara ekstraksi atribut RMS dilakukan untuk melihat distribusi kandidat reservoir sekaligus menjadi pembanding dan pendukung informasi yang didapat dari metoda dekomposisi spektral.Hasil penelitian ini pada akhirnya akan sangat berguna bagi perhitungan cadangan rinci, yang akan sangat tergantung pada geometri dan kualitas reservoir. Selain itu juga akan berguna bagi perencanaan produksi pada fase eksploitasi.Dari hasil penelitian ini , didapatkan tiga facies reservoir dan hubungan korelasi yang kuat antara metode dekomposisi spektral dengan ekstraksi atribut RMS tersebut. Dengan ektraksi atribut RMS dapat dilihat distribusi reservoir secara umum berdasarkan tingginya nilai atribut RMS. Sementara untuk deliniasi reservoir secara lebih rinci diperoleh dari hasil analisis dekomposisi spektral. Universitas Indonesia.

---

The XYZ Field is one of the gas fields located in Makasar Strait-East Kalimantan. It lies in the Eastern part of deepwater Mahakam Delta. The average water depth in the area is about 6000 feet. The reservoir of this field is believed to be the product of deepwater turbidite sedimentation as "deep water channelized system" of Lower Pliocene to Upper Miocene in age. As a consequence reservoir of this area has great variations in quality and quantity.

In this research the spectral decomposition method was chosen and expected to be used in reservoir deliniation and facies analysis based on previous model approaches Slatt, 2006. While RMS attribute extraction carried out in order to analyze the distribution of reservoir candidate as well as the benchmark and supporting information for the spectral decomposition method.

The result of this study will be very important for detail reserved calculations, which will be very rely on to the reservoir geometry and quality. Moreover it will be very useful for the production planning at the exploitation phase.

From this study, it is concluded there are 3 (three) main facies of reservoir in the area, and there is a strong correlation between result of spectral decomposition and RMS attribute. From the RMS attribute extraction, the author found a general reservoir distribution based on the height of RMS value. Meanwhile for more detail reservoir deliniation, it has been achieved from the spectral decomposition analysis."

"Fenomena low frequency shadows merupakan fenomena unik yang terkadang dijumpai dalam analisis data seismik. Keberadaan fenomena ini terutama terkait dengan keberadaan reservoar hidrokarbon sehingga kemudian diperhitungkan sebagai direct hydrocarbon indicator. Low frequency shadows hanya dapat terlihat pada kisaran frekuensi tertentu, sehingga tidak akan terlihat langsung dari data seismik yang bersifat broadband. Time-frequency decomposition atau yang lebih umum dikenal sebagai spectral decomposition memberikan informasi variasi komponen frekuensi dari sebuah sinyal di sepanjang waktu. S-Transform merupakan salah satu metode spectral decomposition yang dapat digunakan untuk menganalisis sinyal non-stasioner. Metode ini merupakan pengembangan ide dari metode Continuous Wavelet Transform (CWT) yang didasarkan pada lokalisasi window Gaussian yang bergeser pada skala tertentu. S-Transform mampu memberikan resolusi frekuensi dari setiap time sample dengan tetap berhubungan dengan spektrum Fourier. Pada penelitian ini, spectral decomposition berbasis S-Transform digunakan untuk mengidentifikasi keberadaan low frequency shadows dari sebuah data poststack seismik 3D. Berdasarkan hasil analisis terbukti bahwa fenomena low frequency shadows memang berkaitan erat dengan keberadaan reservoar hidrokarbon. Selain itu, dengan melihat sebaran konten frekuensi dari data seismik secara lateral, terlihat adanya area yang berpotensi mengandung hidrokarbon karena memiliki low frequency shadows.

---

Low frequency shadows is a unique feature which can be found in seismic data analysis. The existence of this anomaly is closely related to the existence of hydrocarbon reservoir, so it is usually considered as a direct hydrocarbon indicator. Low frequency shadows only visible at certain frequency (low frequency), so it will not be visible directly from a broadband seismic data.

Time-frequency decomposition or which is generally known as spectral decomposition gives information about the variation of frequency components from a signal through time. S-Transform is one of the spectral decomposition methods which can be used to analyze non-stationer signal. This method is an extension ideas of Continuous Wavelet Transform (CWT) which is based on a moving and scalable Gaussian window. S-Transform can provide frequency resolution for each time sample, and still maintain a connection with Fourier spectrum.

In this paper, S-Transform spectral decomposition is used to identify the existence of low frequency shadows from a 3D post-stack seismic data. Based on the analysis result, it is proven that the existence of low frequency shadows indeed related to the existence of hydrocarbon reservoir. By analyzing the distribution of the frequency map laterally, it is shown that there is an area, which potentially contains hydrocarbon as indicated by low frequency shadows anomaly."