Perpustakaan Digital ITB

Karakterisasi reservoir merupakan tahapan penting dalam eksplorasi dan pengembangan lapangan minyak dan gas bumi. Penelitian ini memanfaatkan data seismik 3D post-stack pada Lapangan Penobscot, Kanada, yang diolah melalui metode inversi seismik untuk menghasilkan volume Acoustic Impedance (AI) yang merepresentasikan sifat elastik batuan, dengan korelasi terhadap log sumur sebesar 0,931 dan 0,959. Volume AI tersebut dikombinasikan dengan atribut seismik lain melalui analisis multi-attribute untuk memodelkan distribusi porositas pada seluruh volume seismik. Multi-attribute regresi linear menghasilkan korelasi sebesar 0,614, dan meningkat menjadi 0,687 setelah diterapkan pendekatan non-linear Probabilistic Neural Network (PNN). Pada penelitian ini, dilakukan identifikasi persebaran zona reservoir secara lebih spesifik dengan klasifikasi fasies menggunakan PNN klasifikasi berdasarkan cut-off log Gamma Ray. Hasil klasifikasi menunjukkan Fasies Kelas 1 sebagai zona reservoir dengan porositas rata-rata 0,302, Fasies Kelas 2 sebagai zona transisi dengan porositas rata-rata 0,170, dan Fasies Kelas 3 sebagai zona non-reservoir dengan porositas rata-rata 0,041. Volume klasifikasi fasies tersebut selanjutnya diterapkan sebagai batasan pada volume pseudo-porositas, dan diperoleh karakterisasi kualitas reservoir yang lebih representatif pada interval Formasi Missisauga. Oleh karena itu, penerapan inversi seismik AI dan analisis multi-attribute dengan pendekatan non-linear dan klasifikasi fasies PNN pada penelitian ini mampu menghasilkan model distribusi reservoir yang lebih representatif untuk mendukung evaluasi reservoir dan pengambilan keputusan dalam pengembangan lapangan minyak dan gas bumi.