Perpustakaan Digital ITB

Berkembangnya teknologi secara pesat, metode geofisika terus dikembangkan khususnya di bidang eksplorasi. Sebelum melakukan eksplorasi dilakukan interpretasi seismik terlebih dahulu. Interpretasi seismik dilakukan dengan melakukan picking horizon, horizon sangat penting untuk analisis struktural, inversi, dan analisis atribut seismik. Namun, saat ini horizon seismik seringkali diperoleh melalui metode manual tracking yang memerlukan waktu dan berpotensi menghasilkan kesalahan. Meskipun terdapat berbagai teknik tracking otomatis yang telah dikembangkan untuk meningkatkan efisiensi, tetap ada tantangan dalam picking horizon seismik dengan seismik yang kompleks. Dalam penelitian ini, salah satu metode yang digunakan berasal dari bidang ilmu komputer yang dikenal sebagai kecerdasan buatan atau Artificial Intelligence (AI). Penelitian ini terdiri dari 3 tahap yaitu fitur seismik secara mandiri (FSM), penyusunan model stratigrafi (PMS), dan pembuatan model horizonnya. Dimana pada tahap FSM dan PMS hanya menjadi pelatihan awal yang nantinya bobotnya akan digunakan pada model horizon. Model horizon, yang diinisialisasi oleh FSM dan PMS berhasil menggabungkan pengetahuan seismik sebelumnya pada data seismik target. Penggunaan arsitektur CNN dalam memprediksi batas sekuen menghasilkan hasil yang bagus hanya dengan menginterpretasikan secara manual 2.5% dan didapatkan hasilnya tidak memotong batas sekuen yang telah ditandai sebagai ketidakmenerusan dan didapatkan akurasi prediksi CNN yaitu 98.09%.