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...

Full description

Bibliographic Details
Main Author: Elistia Liza Namigo
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