| NIM | H1E011030 |
|---|
| Namamhs | REZA FEBYANTO |
|---|
| Judul Artikel | ESTIMASI NILAI KECEPATAN GELOMBANG SHEAR UNTUK KARAKTERISASI RESERVOIR: STUDI KASUS LAPANGAN “X” |
|---|
| Abstrak (Bhs. Indonesia) | Kecepatan gelombang shear (S-Wave) merupakan suatu parameter fisis yang sangat penting untuk menentukan jenis litologi, pori cairan dan parameter Lambda-Mu-Rho (LMR) pada suatu formasi. Estimasi nilai kecepatan gelombang Shear dilakukan pada interval kedalaman sumur menggunakan metode Artificial Neural Network (ANN) yang didasarkan pada faktor validasi dan pembobotan terhadap nilai – nilai yang ada pada data well-logging. Karakterisasi reservoir pada lapangan “X” didasarkan nilai tersebut menggunakan metode seismik inversi. Hasil estimasi diperoleh hubungan linier antara nilai kecepatan gelombang Shear prediksi data sumur, dengan nilai korelasi 0,981588 dan nilai eror 6,45173 (ft/s). Nilai log SP digunakan sebagai atribut dengan korelasi paling baik diantara atribut yang lain. Pada karakterisasi reservoir, dihasilkan model terbaik adalah model Base. Reservoir yang terdapat di lapangan “X” merupakan lapisan porous sand pada formasi Talang Akar dengan nilai AI (Impedansi Akustik) yang berkisar antara 15.000 – 24.000 [(ft/s)*(g/cc)] pada kedalaman 800 – 2.700 feet.
|
|---|
| Abtrak (Bhs. Inggris) | Shear wave velocity (S-wave) is a very important physical properties to determine the type of lithology, pore fluid and Lambda-Mu-Rho (LMR) properties in a formation. Shear wave velocity estimate using Artificial Neural Network (ANN) method. Shear wave velocity estimation value based on the validation and weighting factors to the values that exist in well-logging’s data. Shear wave velocity values that have been obtained will be used to characterize the reservoir is in the "X"’s field using seismic inversion methods. The estimation results obtained by a linear relationship between shear wave velocity values predicted and actual Shear wave velocity values that exist on well data, the correlation value obtained is equal to 0,981588 with an error of 6,45173 (ft/s) and SP log value as an attribute to the correlation of the best among other attributes. On reservoir characterization, the best result model is a Base model. Reservoir located on the "X"’s field is a porous sand on Talang Akar Formation (TAF) with AI (Accoustic Impedance) value between 15.000-24.000 [(ft/s) * (g/cc)] at 800-2700 feet. |
|---|
| Kata kunci | s-wave, artificial neural network (ANN), lambda-mu-rho (LMR), reservoir, inversi seismik |
|---|
| Pembimbing 1 | Dr. Zaroh Irayani, M.Si |
|---|
| Pembimbing 2 | Dra. Julikah, M.T |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2016 |
|---|
| Jumlah Halaman | 12 |
|---|
| Tgl. Entri | 2016-02-16 11:09:27.796864 |
|---|