Perbandingan Antara Multi Atribut Seismik Regresi Linier dan Multi Atribut Seismik Probabilistic Neural Network Untuk Estimasi Porositas Reservoir Batu Pasir Pada Lapangan Minyak Teapot Dome
Zulfani Aziz(1*), Ari Setiawan(2)
(1) Physics Department, Universitas Gadjah Mada
(2) Physics Department, Universitas Gadjah Mada
(*) Corresponding Author
Abstract
Dalam eksplorasi minyak bumi, informasi tentang batuan di bawah permukaan bumi sangat diperlukan untuk mengetahui zona reservoir target eksplorasi yang salah satunya adalah porositas batuan. Untuk mendapatkan informasi porositas batuan digunakan metode multiatribut seismik yang dapat mengestimasi porositas dari atribut-atribut seismik. Metode multiatribut seismik memiliki dua jenis yaitu regresi linier dan probabilistic neural network (PNN). Penelitian ini bertujuan untuk mengetahui metode multiatribut seismik mana yang memberikan hasil yang lebih baik dalam mengestimasi nilai porositas batu pasir di lapangan minyak Teapot Dome. Pada penelitian ini digunakan tiga atribut seismik yaitu atribut impedansi akustik, integrate, dan amplitude weighted frequency. Multiatribut seismik regresi linier menganggap hubungan ketiga atribut seismik dan porositas adalah linier sedangkan multiatribut seismik probabilistic neural network menganggap hubungannya non linier. Hasil penelitian menunjukan bahwa metode multiatribut seismik regresi linier memberikan estimasi porositas dengan nilai korelasi 0,701 dan validasi 0,649, sedangkan metode multiatribut seismik probabilistic neural network memberikan estimasi porositas lebih baik dengan nilai korelasi 0,920 dan validasi 0,683. Hasil lain juga memperlihatkan bahwa bentuk kurva log porositas hasil estimasi probabilistic neural network lebih cocok dengan log porositas asli dibandingkan log porositas hasil estimasi regresi linier.
Keywords
Full Text:
PDFReferences
Anna, L. O., 2007, Geological Assessment of Undiscovered Oil and Gas in the Powder River Basin Province, Wyoming and Montana, USGS, USA.
Anonim, 2009, EMERGE: Multi-Attribute Analysis Workshop, Hampson-Russell Software Service, Ltd., Bali.
Bren, F., 2011, Identifikasi Litologi dan Porositas Menggunakan Analisa Inversi dan Multi-Atribut Seismik, Studi Kasus Lapangan Blackfoot, Tesis, UI.
Draper, N. R., dan Smith, H., 1996, Applied regression analysis, John Wiley and Sons, Inc.
Ilkhchi, R. K., Harami, R. M., Rezae, R., Bidheni, M. N., dan Ilkhchi, A. K., 2014, Seismic Inversion and Attributes Analysis for Porosity Evaluation of The Tight Gas Sandstones of The Whicher Range Field in The Perth Basin, Western Australia, Journal of Natural Gas and Science and Engineering, 21, 1073-1083. DOI: 10.1016/j.jngse.2014.10.027.
Khoshdel, H., dan Riahi, M. A., 2011. Multi Attribute Transform and Neural Network in Porosity Estimation of an Offshore Oil Field, Journal of Petroleum Science and Engineering, 78, 740-747. DOI: 10.1016/j.petrol.2011.08.016.
Sismanto, 2006, Modul 1: Seismik Eksplorasi – Pengolahan Data Seismik, Laboratorium Geofisika UGM, Yogyakarta.
DOI: https://doi.org/10.22146/jfi.28006
Article Metrics
Abstract views : 4920 | views : 4241Refbacks
- There are currently no refbacks.
Copyright (c) 2017 Zulfani Aziz, Ari Setiawan
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.