December 31, 2012

Depth Conversion

Selama beberapa tahun kebelakang, konversi waktu kedalam domain kedalaman lebih banyak menggunakan fungsi polinomial yang didapatkan dari data sumur. Setelah itu penggunaan data stacking velocity mulai digunakan, terutama untuk kasus dimana variasi lateral sangat mendominasi. Dalam beberapa tahun kebelakang penggunaan data stacking velocity sudah mulai meningkat terutama setelah adanya improvement dalam prosesing seismik dan teknik modelling numerik. 

Konversi data seismik ataupun peta struktur waktu ke domain kedalaman merupakan hal yang sangat penting dalam eksplorasi migas. Pengerjaan prognosis kedalaman merupakan hal yang kritikal, kesalahan interpretasi prognosis kedalaman dapat sangat berakibat fatal, terutama impactnya akan terjadi pada program pengeboran yang dilakukan dan keputusan ekonomis yang akan diambil.

Konversi kedalaman dari data seismik domain waktu membutuhkan suatu model kecepatan bawah permukaan. Data kecepatan ini dihasilkan dari bermacam sumber, seperti data checkshot atau VSP dan data log sonik, atau pengukuran "indirect" seperti kecepatan yang dihasilkan dari picking velocity saat processing setelah Dip Move Out (DMO). Flatspots dan data bawah permukaan lainnya dapat digunakan sebagai kontrol kecepatan.

Model kecepatan dari data sumur menggunakan persamaan yang umumnya menggambarkan perubahan kecepatan secara linear. Model kecepatan dihasilkan dari layer per layer hasil interpretasi horison seismik yang dikalibrasi terhadap sumur, semakin sedikit sumur yang digunakan sebagai kontrol, pada umumnya untuk daerah yang jauh dari kontrol sumur akan dilakukan smooth interpolation. Ketika kecepatan bervariasi secara lateral, spatial sampling dari sumur akan memberikan hasil yang bias. Stacking velocity menyediakan informasi tambahan tersebut untuk memahami perubahan kecepatan. Shallow gas sandsseabed scarps atau mud diapir akan menghasilkan strong overburden anomali kecepatan.

Depth Migration

Tidak seperti migrasi dalam kawasan waktu, migrasi dalam kawasan kedalaman mencover perubahan kecepatan secara lateral. Untuk flat overburden, perubahan kecepatan secara lateral adalah kecil, lain halnya dengan daerah dengan struktur yang kompleks.

Anomali kecepatan tinggi seperti yang biasa ditemui pada karbonat, dapat mengakibatkan pull-up velocity anomaly atau antiklin semu (Gambar 1). Atau pada daerah kecepatan rendah seperti water bottom dengan kemiringan tajam / canyon yang menghasilkan sinklin semu dapat menghasilkan peta struktur bawah permukaan yang misleading.


Gambar 1. Gambaran model bawah permukaan dalam kawasan waktu menunjukkan pada daerah yang dilingkari terlihat adanya pull-up effect atau antiklin semu yang dapat mengakibatkan munculnya struktur dalam peta bawah permukaan dan membuat horison dibawahnya terangkat dari yang seharusnya flat. Efek ini dapat dihilangkan dengan menggunakan Pre-Stack Depth Migration (PSDM).

Stacking Velocity Depth Conversion

Baik itu dalam data seismik 2D ataupun 3D, data stacking velocity hasil prosessing seismik merupakan data yang sangat penting dalam konversi kedalaman. Resolusi vertikal pada umumnya rendah sebagaimana hanya event seismik utama yang digunakan dalam picking velocity. Resolusi lateral umumnya dibatasi oleh geometri akuisisi, yang sesuai dengan kebutuhan hyperbolic moveout didalam gathers. Resolution limit pada normalnya berkisar antara 1/2 dan 1 panjang kabel, berdasarkan muting.

Saat ini dengan metoda yang lebih modern, stacking velocity dapat memprediksi model bawah permukaan dengan akurasi yang sangat tinggi, error yang tersisa adalah karena noise. Kebanyakan noise ini bukanlah random noise. Pada umumnya jika sudah ada stacking velocity, maka langkah selanjutnya yang dilakukan adalah melakukan Correction Factor yang diperoleh dari :

Correction Factor (CF) = Pseudo velocity di sumur (well depth/seismic time) / Average stacking velocity di sumur

Selanjutnya cibuat crossplot antara Stacking Vav vs CF untuk mendapatkan fungsi CF. Fungsi ini lalu dikalikan dengan average velocity grid untuk mendapatkan corrected average stacking velocity grid to events. Ini dapat dilakukan juga dalam interval velocity menggunakan pendekatan Dix.

Beberapa metoda tersedia untuk memfilter noise dalam stacking velocity. Workflow pengerjaan untuk eliminasi noise dan kalibrasi sumur dengan menggunakan horizon consistent velocity adalah sbb:

- Sebagai efek dari kompaksi, waktu dan kecepatan saling berhubungan. Ketika mapping stacking velocity thd surface time, langkah pertama yang dilakukan adalah melakukan crossplot stacking velocity pada surface dalam domain waktu. Langkah berikutnya adalah dengan menerapkan fungsi persamaan yang diperoleh untuk menghasilkan velocity trend map yang mengcover efek kompaksi tsb. Perbedaan antara original horizon stacking velocity dan velocity trend map adalah residual velocity map yang menunjukkan variasi lateral.

- Selanjutnya pendekatan geostatistik dilakukan, ini mirip dengan spatial low-pass filtering. Kita menghilangkan noise-noise, yang umumnya mempunyai high-spatial frequency dan terdapat dikebanyakan sinyal.

1 comment:

  1. Anonymous1/09/2013

    Pak Irfan,

    Correction factor yg didapatkan dari formula di atas menggunakan Stacking velocity sbg input, bukankah akah lebih tepat hasilnya jika kita menggunakan V interval, karena yang menjadi validator adalah data sumur, yang merupakan kecepatan interval. Selain itu Vstack belum terkoreksi jika terdapat dip seperti pada V RMS.

    Mohon penjelasannya.
    Tks.
    *mohon koreksi jika ada kesalahan.

    ReplyDelete