PREDIKSI DISTRIBUSI SAND MENGGUNAKAN PEMODELAN GEOSTATISTIK
Gambaran distribusi fasies dan heterogenitas geologi yang representatif sangat diperlukan dalam pengelolaan aktivitas eksplorasi dan eksploitasi migas di bawah permukaan. Telah dilakukan pemodelan distribusi sand pada formasi Missisauga, lapangan Penobscot dengan menggunakan tiga algoritma berbasis...
Main Author: | |
---|---|
Format: | Article |
Language: | English |
Published: |
Jurusan Fisika, FMIPA Universitas Andalas
2014-09-01
|
Series: | JIF (Jurnal Ilmu Fisika) |
Online Access: | http://jif.fmipa.unand.ac.id/index.php/jif/article/view/97 |
id |
doaj-71a5e0602c344d32b969030cb256bf6a |
---|---|
record_format |
Article |
spelling |
doaj-71a5e0602c344d32b969030cb256bf6a2020-11-25T03:42:22ZengJurusan Fisika, FMIPA Universitas AndalasJIF (Jurnal Ilmu Fisika)1979-46572614-73862014-09-0162455110.25077/jif.6.2.45-51.201484PREDIKSI DISTRIBUSI SAND MENGGUNAKAN PEMODELAN GEOSTATISTIKElistia Liza Namigo0Jurusan Fisika. FMIPA. Universitas AndalasGambaran distribusi fasies dan heterogenitas geologi yang representatif sangat diperlukan dalam pengelolaan aktivitas eksplorasi dan eksploitasi migas di bawah permukaan. Telah dilakukan pemodelan distribusi sand pada formasi Missisauga, lapangan Penobscot dengan menggunakan tiga algoritma berbasis grid yaitu Sequential Indicator Simulation (SIS) dan Truncated Gaussian Simulation (TGS) dan Multipoint Geostatistic (MPG). SIS dan TGS yang merupakan algoritma yang berbasis variogram, mampu menghasilkan model yang merepresentasikan korelasi spasial antar sumur dengan cukup baik namun belum secara optimal menangkap geometri fasies akibat sifat dari variogram yang hanya bisa memodelkan kontinuitas spasial antara dua lokasi pada satu waktu. TGS lebih unggul dibandingkan SIS pada aspek keterhubungan lateral dari sand channel dan distribusi fasies terlihat lebih well-ordered (sand-shalysand-shale).. MPG yang merupakan metode yang didasarkan pada data singkapan menawarkan korelasi lateral yang lebih baik.http://jif.fmipa.unand.ac.id/index.php/jif/article/view/97 |
collection |
DOAJ |
language |
English |
format |
Article |
sources |
DOAJ |
author |
Elistia Liza Namigo |
spellingShingle |
Elistia Liza Namigo PREDIKSI DISTRIBUSI SAND MENGGUNAKAN PEMODELAN GEOSTATISTIK JIF (Jurnal Ilmu Fisika) |
author_facet |
Elistia Liza Namigo |
author_sort |
Elistia Liza Namigo |
title |
PREDIKSI DISTRIBUSI SAND MENGGUNAKAN PEMODELAN GEOSTATISTIK |
title_short |
PREDIKSI DISTRIBUSI SAND MENGGUNAKAN PEMODELAN GEOSTATISTIK |
title_full |
PREDIKSI DISTRIBUSI SAND MENGGUNAKAN PEMODELAN GEOSTATISTIK |
title_fullStr |
PREDIKSI DISTRIBUSI SAND MENGGUNAKAN PEMODELAN GEOSTATISTIK |
title_full_unstemmed |
PREDIKSI DISTRIBUSI SAND MENGGUNAKAN PEMODELAN GEOSTATISTIK |
title_sort |
prediksi distribusi sand menggunakan pemodelan geostatistik |
publisher |
Jurusan Fisika, FMIPA Universitas Andalas |
series |
JIF (Jurnal Ilmu Fisika) |
issn |
1979-4657 2614-7386 |
publishDate |
2014-09-01 |
description |
Gambaran distribusi fasies dan heterogenitas geologi yang representatif sangat diperlukan dalam pengelolaan aktivitas eksplorasi dan eksploitasi migas di bawah permukaan. Telah dilakukan pemodelan distribusi sand pada formasi Missisauga, lapangan Penobscot dengan menggunakan tiga algoritma berbasis grid yaitu Sequential Indicator Simulation (SIS) dan Truncated Gaussian Simulation (TGS) dan Multipoint Geostatistic (MPG). SIS dan TGS yang merupakan algoritma yang berbasis variogram, mampu menghasilkan model yang merepresentasikan korelasi spasial antar sumur dengan cukup baik namun belum secara optimal menangkap geometri fasies akibat sifat dari variogram yang hanya bisa memodelkan kontinuitas spasial antara dua lokasi pada satu waktu. TGS lebih unggul dibandingkan SIS pada aspek keterhubungan lateral dari sand channel dan distribusi fasies terlihat lebih well-ordered (sand-shalysand-shale).. MPG yang merupakan metode yang didasarkan pada data singkapan menawarkan korelasi lateral yang lebih baik. |
url |
http://jif.fmipa.unand.ac.id/index.php/jif/article/view/97 |
work_keys_str_mv |
AT elistializanamigo prediksidistribusisandmenggunakanpemodelangeostatistik |
_version_ |
1724525620990312448 |