AVO FLUID INVERSION (AFI) UNTUK ANALISA KANDUNGAN HIDROKARBON DALAM RESEVOAR Muhammad Edisar1, Usman Malik1 1
Computational of Physics and Earth Science Laboratory Physic Dept. Riau University Email :
[email protected]
ABSTRAK
Selama ini metoda AVO telah banyak digunakan untuk men-determinasi keberadaan hidrokarbon dari data seismik. Namun demikian, pada umumnya hanya memberikan hasil secara kualitatif, tanpa kuantifikasi tingkat kepercayaan. Oleh karena itu, diperlukan suatu metoda yang dapat membantu mengatasi masalah ini.
AVO Fluid Inversion (AFI) merupakan perluasan dari metoda AVO konvensional. Perluasan dilakukan dengan menambahkan simulasi harga Intercept (A) dan Gradient (B) untuk berbagai kemungkinan harga parameter elastik sand dan shale serta kandungan fluidanya. Harga A dan B yang diturunkan dari data seismik kemudian dapat dikalibrasikan terhadap data sumur dengan menggunakan hasil simulasi tersebut. Sehingga pada akhirnya, dapat diberikan harga probabilitas keberadaan hidrokarbon pada area studi yang kemudian dapat digunakan untuk menggambarkan penyebaran hidrokarbon pada daerah eksplorasi.
Pada penelitian ini, metoda AVO Fluid Inversion (AFI) diaplikasikan pada data 3D-seismik di daerah delta Mahakam. Hasil menunjukkan bahwa determinasi keberadaan gas lebih mudah dilakukan dibandingkan determinasi keberadaan minyak (oil). Peta probabilitas hidrokarbon menggambarkan keberadaan minyak dan gas mengikuti pola-pola channel yang berkembang pada daerah studi. Kata kunci: Probabilitas, Fluid inversion
ditentukan
LATAR BELAKANG Metoda seismik adalah salah satu metoda yang
digunakan
Penentuan hidrokarbon
posisi pada
untuk
eksplorasi
sumur zaman
pada
migas.
eksplorasi
dahulu,
hanya
berdasarkan
informasi
struktur
geologi saja. Tetapi kenyataannya saat ini, struktur
geologi
mengandung
yang
hidrokarbon
dianggap
dapat
belum
tentu
mengandung hidrokarbon yang ekonomis. Maka
430
muncullah suatu terobosan baru bagaimana
Shuey (1985), menulis kembali persamaan
mengidentifikasi
Zeoppritz
keberadaan
reservoir
untuk
menggambarkan
koefisien
hidrokarbon tersebut, sehingga kesalahan dalam
refleksi dengan dua parameter yaitu AVO
penentuan posisi sumur bor dapat diminimalisir.
intercept (A) dan AVO gradient (B), dengan
Pemanfaatan gelombang P dan gelombang
mengasumsikan orde ketiga bernilai sangat kecil
S dalam metoda seismik saat ini digunakan
dan dapat diabaikan. Harga A dan B diperoleh
untuk mengkarakterisasi reservoir. Hal ini
dengan menurunkannya dari data seismik.
dibuktikan dengan kenyataan bahwa kedua
Russell memanfaatkan teknik substitusi
gelombang ini memiliki respon yang berbeda
Biot-Gassmann untuk mengestimasi penyebaran
terhadap litologi maupun keberadaan fluida.
probabilitas
Misalnya gelombang P dapat merambat pada
Dengan mengetahui parameter-parameter elastik
medium
fluida,
seperti modulus bulk, poisson ratio, densitas, Vp,
sedangkan gelombang S hanya dapat merambat
dan Vs dari data sumur maka harga intercept dan
pada medium padat saja. Perbedaan karakteristik
gradient dapat dihitung serta dapat dibuat
kedua gelombang ini, dapat digunakan untuk
simulasi crossplot antara intercept dan gradient.
mengkarakterisasi keberadaan reservoir pada
Crossplot intercept dan gradident hasil simulasi
data seismik.
sangat efektif untuk memisahkan gas dengan
padat
maupun
medium
Karakterisasi reservoir yang dilakukan
hidrokarbon
secara
kuantitatif.
brine.
terdiri dari beberapa metoda. Salah satunya adalah AVO (Amplitude Variation with Offset),
Tujuan
suatu metoda analisis data seismik yang juga dapat digunakan untuk memperoleh informasi
Tujuan dari tugas akhir ini adalah sebagai berikut:
litologi dan sifat fisik suatu batuan. Anomali AVO yang berbeda pada reservoir wet sand dan gas sand menjadikan AVO disebut sebagai alat untuk mendeteksi secara langsung keberadaan minyak dan gas bumi. Namun demikian, secara
1. Melakukan AVO forward modeling pada formasi yang mengandung gas dan brine berdasarkan data sumur. 2. Melakukan kalibrasi data seismik 3D menggunakan hasil modeling AVO.
umum hanya memberikan hasil secara kualitatif. Crossplot atribut AVO seperti intercept dan gradient dapat mempermudah interpretasi AVO.
431
3. Menganalisis
probabilitas
hidrokarbon pada area studi.
keberadaan
Gambar 1. Model perlapisan 3-layer dan distribusi
4. Men-delineasi penyebaran probabilitas
normal untuk densitas shale.
gas sand dan wet sand secara lateral pada suatu daerah eksplorasi.
Sedangkan
sand
digambarkan
oleh
parameter fisik batuan, seperti gambar dibawah DASAR TEORI
ini.
Deskripsi Model Perlapisan Model yang digunakan dalam AVO Fluid Inversion (AFI) adalah model 3-layer dengan kandungan sand dan shale. Shale diasumsikan sebagai wet, sedangkan sand dimodelkan dengan brine, oil, dan gas. Untuk menganalisis respon AVO pada model ini, terlebih dahulu harus
Gambar 2. Parameter sand digambarkan sebagai
diketahui kecepatan gelombang P, kecepatan
distribusi probabilitas.
gelombang S, dan densitas.
Parameter-parameter diatas sebagaian diperoleh
Shale dapat digambarkan secara langsung
langsung dari data well dan sebagian lagi
oleh parameter Vp, Vs, dan ρ seperti pada
dihitung dengan menggunakan persamaan Biot-
gambar dibawah ini. Masing-masing parameter
Gassmann. Masing-masing parameter ini dapat
dapat didekati dengan distribusi normal yang
digambarkan sebagai distribusi probabilitas.
menggambarkan parameter tersebut.
penyebaran
dari
harga Intercept dan Gradient Intercept
didefinisikan
sebagai
nilai
reflektifitas pada sudut datang nol (zero offset) dan
merupakan
fungsi
dari
densitas
dan
kecepatan gelombang P. Sedangkan gradient adalah
nilai
perubahan
amplitude
yang
merupakan fungsi dari offset, dan tergantung pada kecepatan gelombang P dan S serta densitas.
432
Dalam
persamaan
Aki-Richard,
intercept dilambangkan dengan A dan gradient
A = intercept
dilambangkan dengan B, seperti persamaan
B = gradient
dibawah ini.
R(1) = near stack R(2) = far stack
1 = near angle
R( ) A Bsin2 ( ) Ctan2 ( )sin 2 ( )
1 = far angle Mengingat harga tan2(θ)*sin2(θ) bernilai mendekati nol untuk sudut yang lebih kecil dari
Shuey juga menulis kembali persamaan
30º, dan jika dikalikan dengan faktor C akan
Aki-Richard dengan menggunakan kecepatan
bernilai sangat kecil, maka Shuey’s (1985)
gelombang P (Vp), kecepatan gelombang S (Vs),
menulis persamaan diatas dengan mengabaikan
dan Poisson Ratio (σ). Hanya gradient B yang
suku ketiga menjadi,
berbeda, sedangkan intercept A tetap seperti semula, sehingga persamaan Aki-Richard ditulis sebagai berikut:
R( ) A Bsin 2 ( )
Jika saya punya sudut near dan sudut far, maka
A
persamaan diatas menjadi, Sudut near
R (1 ) A Bsin 2 (1 )
Sudut far
R( 2 ) A Bsin 2 ( 2 )
1 Vp 2 Vp
1 2 B A D 2(1 D) 1 (1 ) 2
Persamaan diatas dapat ditulis dalam bentuk dimana : D
matriks sebagai berikut,
1 sin 2 (1 ) A R(1 ) 2 1 sin ( 2 ) B R( 2 )
VP / VP , VP / VP /
2 1 2
2 1
1
A 1 sin 2 (1 ) R(1 ) B 2 1 sin ( 2 ) R( 2 )
433
2 2 2
V P VS
2
dengan:
y
σ = Poisson Ratio
b b 2 4ac 2a
M KM 0 c 0 * S 1 * K M 0 K f
A = AVO intercept B = AVO gradient Vp = kecepatan gelombang P
K M b 0 * S * M 0 1 S Kf KM 0
Vs = kecepatan gelombang S
a S 1 M (VP 0 ) 2 * 0
Teori Biot-Gassmann Gassmann
(1951)
dan
Biot
1 dry S 3* 1 dry
(1956)
mengembangkan teori perambatan gelombang pada
batuan
yang
mengandung
fluida.
Kf
Persamaan Biot-Gassmann ini digunakan untuk menghitung parameter model sand yaitu densitas
S w0 K w0
1 1 Sw0 KH 0
matriks dan modulus bulk batuan kering.
dimana Vp0 adalah kecepatan gelombang P, Kw0
Densitas
adalah modulus bulk air, KH0 adalah modulus
matriks
diperoleh
menggunakan
persamaan:
hidrokarbon, KM0 adalah modulus bulk matriks,
M 0
( 0 f 0 * 0 )
Sw0 adalah saturasi air.
(1 0 )
Densitas dapat dihitung dengan persamaan:
ρ0 = densitas sand
w Sw H (1 Sw ) M (1 )
SW0 = saturasi sand ρH0 = densitas hidrokarbon
dimana ρ adalah densitas total yang diinginkan,
ρW0 = densitas air
ρM adalah densitas matriks, ρH adalah densitas
0 = porositas sand
hidrokarbon, ρw adalah densitas air, dan adalah porositas batuan. Sedangkan kecepatan gelombang P dan S
Modulus bulk batuan kering dihitung dengan menggunakan persamaan:
dapat ditulis sebagai berikut.
K B 0 (1 y ) * K M 0
dengan:
434
2
Vp 2
Vs 2
Ray, dan Density. Pengolahan data sumur
1 K B K 4 B M KB 3 1 K B K M KM Kf
dilakukan dengan menggunakan software elog dari Hampson Russell.
B
dimana:
Kp
Kf
KB
B
0 1 1 K B0 KM 0
1 S w (1 S w ) KH Kw
1 1 K p KM 3K B 4
3(1 dry ) 1 (1 dry )
Gambar 3. Data log dari sumur BRS0060
Well to Seismic Tie PENGOLAHAN DATA
Untuk
mencocokkan
trace
seismik
sebenarnya dengan trace sintetik dari sumur Pengolahan Data Sumur Data
sumur
yang
perlu dilakukan well-seismic tie. digunakan
Dalam
dalam
melakukan pengikatan sumur dengan seismik,
pengerjaan tugas akhir ini hanya satu sumur
digunakan data checkshot untuk mengkonversi
yaitu BRS0060 yang berisi gas. Data log yang
data sumur dari domain kedalaman menjadi
dibutuhkan adalah P-wave, S-wave, Gamma
domain waktu. Kemudian dilakukan ekstaraksi
435
wavelet untuk mendapatkan trace seismik sintetik. Wavelet yang digunakan dalam tugas akhir ini adalah bandpass wavelet, dengan parameter sebagai berikut. Wavelet Phase Type : linear phase Low pass
: 25ms
Low Cut
: 20ms
High Pass
: 55ms
High Cut
: 65ms
Sample Rate
: 2ms
Wavelet Length
: 100ms
Gambar 4. Wavelet bandpass (atas) Respon frekuensi (bawah)
Selanjutnya dengan menggunakan wavelet diatas dilakukan korelasi antara seismogram sintetik dengan data seismik. Korelasi yang
Parameter-parameter diatas diperoleh dengan
dilakukan menghasilkan nilai korelasi sebesar
cara mengekstraksi spektrum volume seismik.
0.6776.
Gambar 5. Korelasi well to seismic tie
436
(bawah) dari sand. Sedangkan data yang
Analisa Trend Analisis
trend
dilakukan
dengan
menggunakan software AFI dari Hampson
berwarna abu-abu menunjukkan data kecepatan gelombang dan densitas dari shale.
Russell, untuk menentukan parameter pada stochastioc model. Data yang diperlukan dalam tahapan ini adalah P-wave, density, dan Gamma
Menentukan Parameter Model
Ray. Untuk membedakan sand dari shale
Parameter
sand
ditentukan
untuk
dikontrol oleh gamma ray cut off, dimana
mendapatkan densitas matriks, Modulus Bulk
gamma ray cut off dirumuskan sebagai berikut:
batuan kering, dan Poisson Ratio batuan kering pada kedalaman yang telah ditentukan, yaitu
GRreading Vcut off GRmax GRmin GRmin
pada kedalaman 1325ft. Densitas matriks dan Modulus
Untuk membedakan sand dari shale digunakan
Bulk
batuan
kering
dihitung
menggunakan perhitungan Biot-Gassmann. Densitas
Vcut off sebesar 40%.
matriks
diperoleh
dengan
menggunakan persamaan sebagai berikut:
Dari data sumur BRS0060 diperoleh GRmax = 126.99 API
M 0
GRmin = 10.79 API
Sehingga diperoleh:
M 0
GRreading = 0.4*(126.99-10.79)+10.79
( 0 f 0 * 0 ) (1 0 )
(0.22 0.298*0.23) (1 0.23)
= 57.27 API
M 0 2.6123 g/cc
Besaran ini menerangkan bahwa nilai gamma ray di bawah 57.27 API merupakan lingkungan
litologi
sand,
sedangkan
nilai
gamma ray di atas 57.27 API merupakan
Modulus Bulk dihitung menggunakan persamaan dibawah ini.
lingkungan litologi shale. Data yang diwakili K B 0 (1 y ) * K M 0
oleh titik-titik berwarna merah menunjukkan data kecepatan gelombang (atas) dan densitas
Diperoleh Modulus Bulk sebesar 5.3509.
437
Sedangkan Poisson ratio dihitung dari volume
sintetik yang dibuat dengan menggunakan
shale menggunakan formula yang terdapat pada
persamaan Zeoppritz, dihitung nilai intercept
kurva dibawah ini.
dan
gradient
untuk
sebuah
titik
yang
berhubungan dengan kasus brine. Proses ini diulang beberapa kali menggunakan perhitungan Biot-Gassmann
untuk
menggantikan
brine
dengan minyak kemudian dengan gas. Sehingga terdapat
tiga
cluster
pada
crossplot
intercept/gradient. Akhirnya dengan mengulang ketiga proses ini sebanyak 200 kali, dihasilkan kumpulan titik-titik untuk masing-masing tipe
Gambar 6. Hubungan antara V-Shale dan Poisson’s
fluida. Brine digambarkan dengan titik-titik
ratio.
berwarna biru, minyak digambarkan dengan Parameter
shale
digunakan
untuk
memperoleh distribusi probabilitas shale yang
titik-titik berwarna merah, dan gas dengan titiktitik berwarna hijau.
berada di bawah dan di atas target sand. Ga
Simulasi Intercept – gradient Tahapan
selanjutnya
mba
adalah
r 7.
membuat
Sim
simulasi dari model yang ada.
ulas
Dalam simulasi ini diambil enam kedalaman
i
yang akan dibuat model stokastiknya, dimulai
Inte
dari kedalaman 1300ft sampai dengan 1425ft
rcep
dengan interval 25 ft, sedangkan kedalaman
t/Gradient pada kedalaman 1325ft.
target adalah pada 1325ft. Hasil dari proses ini adalah memprediksi nilai intercept dan gradient
Pengolahan Data Seismik
untuk masing-masing fluida (brine, minyak, dan
Data yang digunakan dalam tugas akhir ini
gas). Proses pada tahapan ini adalah sebagai
adalah data seismik 3D daerah X berupa partial
berikut. Pertama misalkan pada model 3 lapis
stack (near stack dan far stack). Sudut untuk
dibuat untuk kasus brine. Dari
seismogram
438
Untuk mendapatkan harga intercept dan
near stack sebesar 12, sedangkan sudut far
gradien, maka persamaan diatas dapat ditulis
stack sebesar 24. Diagram alir pengolahan data seismik yang
sebagai matriks 2x2.
dilakukan adalah sebagai berikut:
1 sin 2 (1 ) A R(1 ) 2 1 sin ( 2 ) B R( 2 )
Seismik Near Stack
Far Stack
1
A 1 sin 2 (1 ) R(1 ) B 2 1 sin ( 2 ) R( 2 )
R()=A+B Sin2() A = Intercept
B = Gradient
Slice Intercept
Slice Gradient
R(1) = near stack R(2) = far stack
1 = near angle (12)
Define Gas & Wet zone
1 = far angle (24)
Gambar 8. Diagram alir pengolahan data seismik.
Setelah memasukkan nilai sudut near dan far, diperoleh persamaan sebagai berikut.
Intercept dan Gradient Intercept dan gradient diperoleh dengan menggunakan persamaan Shuey. Dalam tugas akhir ini digunakan sudut near sebesar 12º dan
1
A 1 sin 2 (12) R(1 ) B 2 1 sin (24) R( 2 )
sudut far sebesar 24 º. Dalam persamaan Shuey, intercept dilambangkan dengan A dan gradient dilambangkan dengan B.
A 1.3537 0.3537 R(1 ) B 8.1828 8.1828 R( ) 2
R( ) A Bsin 2 ( )
A 1.3537 * R(1 ) 0.3537 * R( 2 ) B 8.1828* R( 2 ) 8.1828* R(1 )
439
Dari
perhitungan
diatas
diperoleh
volume
intercept dan volume gradient.
keberadaan gas seperti terlihat pada data sumur BRS0060
(gambar
.5).
Kedua
slice
ini
merupakan nilai-nilai amplitude pada horizon H3125, dimana nilai amplitude yang negatif ditunjukkan oleh warna biru dan nilai amplitude positif ditunjukkan oleh warna merah.
Gambar 9. Volume intercept (atas) Volume gradient (bawah).
Slice Intercept dan Gradient
Gambar 10. Slice Intercept (atas) dan Slice Gradient
Slice intercept dan gradient digunakan untuk untuk menentukan zonasi gas sand dan wet sand pada data seismik. Slice ini dilakukan pada horizon H3125 dengan indikasi adanya
440
(bawah).
Menentukan Zona Target
Kalibrasi Data Real dengan Data Sumur
Penentuan zona target dimaksudkan untuk
Kalibrasi antara data real dari seismik
membuat zona hidrokarbon (gas) dan zona wet.
dengan model stokastik dari sumur bertujuan
Penentuan
sumur
untuk membuat skala yang akan diaplikasikan
BRS0060 yang diyakini berisi gas dan sumur
pada data real. Skala ini digunakan untuk
MUT0100 dengan kandungan air. Zona gas
merubah data real agar memiliki nilai amplitude
diambil pada daerah yang berdekatan dengan
yang sama dengan data simulasi. Proses ini perlu
sumur BRS0060 dengan nilai amplitude negatif,
dilakukan karena pada saat data hasil simulasi
sedangkan zona wet diambil pada lokasi yang
menggambarkan nilai intercept dan gradient,
berdekatan dengan sumur MUT0100 dengan
nilai data real secara khusus berubah-ubah. AFI
nilai amplitude positif. Dari zonasi yang telah
mengasumsikan
ditentukan diperoleh data intercept dan gradient
dipengaruhi oleh dua bilangan, yaitu:
zonasi
didasarkan
pada
bahwa
koreksi
data
real
pada zona gas dan zona wet. Untuk selanjutnya data
intercept
dan
gradient
ini
dapat
Sglobal= bilangan yang dikalikan dengan intercept dan gradient.
dikalibrasikan dengan data sumur hasil simulasi sebelumnya.
Sgradient= bilangan
yang
dikalikan
dengan
gradient. Jika data input (data real yang belum diskala) adalah Iinput dan Ginput, maka diperoleh nilai intercept output dan gradient output sebagai berikut: Ioutput=Sglobal*Iinput Goutput=Sglobal*Sgradient*Ginput Proses penentuan skala ini dilakukan secara manual dengan memasukkan nilai Sglobal Gambar 11. Lingkaran berwarna merah
dan
Sgradient
secara
berulang-ulang
sampai
menunjukkan zona gas dan lingkaran berwarna
didapat hasil kalibrasi yang cocok. Akhirnya
kuning menunjukkan zona wet.
diperoleh nilai Sglobal sebesar 0.0003 dan nilai Sgradient sebesar 0.52. dibawah ini adalah gambar
441
crossplot data real yang belum dilakibrasi
Sgradient=0.52 menghasilkan kalibrasi yang bagus.
dengan model hasil simulasi.
Pada zona gas, data real terlihat cocok dengan data simulasinya, begitu juga pada zona wet.
Gambar 12. Data real pada zona wet (atas), data real pada zona gas (bawah).
Gambar berikutnya menunjukkan crossplot intercept
dan
gradient
setelah
dilakukan
kalibrasi. Data yang berwarna hitam adalah data real dari seismik sedangkan data yang berwarna (biru, merah, biru) adalah data simulasi dari sumur.
Dengan
nilai
Sglobal=0.0003
dan
442
Gambar 13. Crossplot hasil kalibrasi pada zona wet (atas), crossplot hasil kalibrasi pada zona gas (bawah).
ANALISIS Setelah dilakukan kalibrasi antara data real dengan
data
menggunakan
simulasi,
selanjutnya
adalah
perhitungan probabilitas dan
teorema Bayes pada semua data real untuk membuat peta probabilitas gas, minyak, dan brine.
Peta Probabilitas Hidrokarbon Peta
probabilitas
menggambarkan
probabilitas
hidrokarbon penyebaran
hidrokarbon pada daerah studi. Daerah studi
Gambar 14. Lokasi studi pada daerah delta
yang diambil dalam tugas akhir ini adalah
Mahakam.
daerah disekitar delta Mahakam. Peta ini menggambarkan keberadaan minyak dan gas yang
mengikuti
channel-channel
yang
berkembang di daerah tersebut. Pada peta digambarkan nilai probabilitas hidrokarbon yang bernilai lebih dari 70% menyebar pada daerah tinggian (disebelah kiri atas) menuju kearah kanan bawah, sebaran ini sesuai dengan kondisi geologi pada daerah studi, dimana berkembang pola-pola channel dari arah barat laut ke arah
Gambar 15. Peta probabilitas hidrokarbon.
tenggara (gambar 14). Namun demikian kita belum bisa memastikan kandungan hidrokarbon ini berupa gas atau minyak.
Peta Probabilitas Indikator (Brine, Oil, Gas) Peta ini menggambarkan probabilitas dari lokasi fluida (gas, oil, dan brine). Dalam peta ini hanya di-plot nilai probabilitas yang lebih besar
443
dari 50%, sehingga pada peta terlihat ada
memberikan nilai probabilitas lebih dari 45%.
beberapa
putih,
Pola sebaran gas mirip dengan pola sebaran
menandakan pada area itu memiliki nilai
hidrokarbon, karena kandungan dari hidrokarbon
probabilitas dibawah 50%. Pada peta ini kita
adalah gas.
kumpulan
yang
berwarna
bisa melihat keberadaan gas, oil, dan brine dengan jelas. Sebaran indikator gas yang ditandai dengan warna kuning memiliki pola yang sama dengan sebaran hidrokarbon pada peta sebelumnya. Dari kenyataan ini kita bisa menganalisis bahwa kandungan hidrokarbon pada peta probabilitas hidrokarbon adalah gas dan bukan minyak. Sedangkan indikator minyak yang ditandai dengan warna coklat tidak begitu terlihat dengan jelas.
Gambar 17. Peta probabilitas gas.
Dari ketiga peta yang dianalisis ternyata pola penyebaran dari masing-masing anomali (hidrokarbon, indikator, dan gas) mengikuti pola channel yang terbentuk pada daerah studi. KESIMPULAN DAN SARAN Kesimpulan Dari pembahasan dan analisis dalam tugas Gambar 16. Peta probabilitas indikator (brine, oil,
akhir ini dapat diambil beberapa kesimpulan
gas).
sebagai berikut,
Peta Probabilitas Gas
1. Pemisahan gas sand dan brine sand lebih dapat
mudah dilakukan karena cluster gas relatif
digambarkan dengan baik pada peta probabilitas
terpisah jauh dari cluster brine, seperti
gas. Dari peta ini terlihat penyebaran gas
terlihat
Sebaran
probabilitas
gas
444
pada
crossplot
intercept
dan
2.
gradient. Gas memiliki harga gradient yang
lanjut, sebaiknya data log yang digunakan tidak
jauh lebih kecil dibandingkan dengan brine.
hanya dari satu sumur, agar memperoleh hasil
AVO Fluid Inversion dapat memetakan
yang lebih bagus, mengingat studi ini adalah
penyebaran
gas
membuat gambaran penyebaran probabilitas
probabilitas
hidrokarbon pada suatu daerah eksplorasi. Akan
channel-channel
lebih baik jika digunakan data log lebih dari satu
dengan
probabilitas
baik.
hidrokarbon
reservoir
Penyebaran mengikuti
yang berkembang pada daerah studi, dan
sumur.
menghasilkan nilai probabilitas lebih dari
Pemilihan wavelet yang tepat akan sangat
70% yang ditunjukkan dengan blok-blok
berarti
dalam
membuat
model
simulasi
berwarna merah. Sedangkan untuk sebaran
intercept-gradient. Sehingga pemisahan gas dan
gas memiliki nilai probabilitas lebih dari
brine akan lebih mudah lagi terlihat pada
45% yang ditunjukkan dengan blok-blok
crossplot intercept dan gradient.
warna merah pada gambar 17. 3. AVO Fluid Inversion tidak menghasilkan sebaran
probabilitas
reservoir
DAFTAR PUSTAKA
minyak
dengan baik. Karena antara minyak dan brine memiliki nilai intercept dan gradient
Castagna,
John,1997,
Principles
of
AVO
crossplotting, The Leading Edge.
yang hampir sama. Pada crossplot intercept-
Russell, B. H., Hedlin, K., Hilterman, F. J.,
gradient terlihat brine dan minyak jatuh pada
Lines,
posisi yang hampir sama, sehingga terjadi
Discrimination with AVO : A Biot-Gassmann
overlap diantara keduanya dan sulit untuk
Perspective, Geophysics, 68, 29-39.
membedakannya.
Russell, B.H, 2004, AVO Fluid Inversion, HRS manual.
Saran Data log yang digunakan dalam tugas akhir ini hanya dari satu sumur saja. Untuk studi lebih
445
L.
R.,
2003,
Fluid-Property
