Perpustakaan Digital ITB

Parameter kecepatan gelombang geser (Vs) merupakan komponen elastik yang sangat penting dalam karakterisasi reservoir, karena berperan dalam penentuan sifat mekanik batuan, evaluasi parameter elastik, serta identifikasi kondisi tekanan bawah permukaan. Namun, keterbatasan data log Vs pada beberapa sumur menyebabkan perlunya upaya prediksi untuk memperoleh informasi elastik yang lebih lengkap dan konsisten pada seluruh interval penelitian. Untuk menjawab kebutuhan tersebut, penelitian ini melakukan estimasi Vs melalui pendekatan prediksi log Vp/Vs menggunakan metode machine learning yang akan ditransformasi menjadi Vs. Selain pemodelan Vs, penelitian ini juga menganalisis atribut inversi CPEI untuk memahami karakter petrofisika reservoir. Atribut CPEI menunjukkan korelasi sebesar 0.74 terhadap saturasi air dengan parameter n = 0.1, m = 0.2, dan chi = –30. Turunan CPEI terhadap parameter AI dan Vp/Vs digunakan untuk mendapatkan trend kompaksi yang memiliki korelasi terhadap parameter petrofisik yaitu porositas dan volume of shale. Hasil menunjukkan bahwa dCPEI/dVp/Vs memiliki korelasi 0.56 terhadap densitas dan dCPEI/dAI memiliki korelasi 0.7 terhadap volume of shale. Parameter-parameter tersebut kemudian diterapkan pada hasil inversi seismik dan terbukti efektif dalam mengidentifikasi zona reservoir hidrokarbon. Zona reservoir tersebut dicirikan oleh nilai CPEI yang rendah, dCPEI/dVp/Vs yang tinggi, kombinasi dCPEI/dVp/Vs–porositas yang tinggi, serta dCPEI/dAI yang rendah.