Nama

: Chris Evan Sebastian

Asal/angkatan : Fisika ITB/2013

AVO Classification of Lithology and Pore Fluids Constrained by Rock Physics

and Depth Trends
I. Pendahuluan
Dalam eksplorasi menggunakan metode seismic, digunakan data seismic response pada suatu
coverage area serta data well log pada suatu titik pada coverage area tersebut. Variasi atau
perubahan nilai seisimic respone merupakan kontribusi dari depositional trend dan
merupakan informasi yang sangat penting untuk dapat menemukan hidrokarbon. Dengan
memperoleh data dari satu titik well log, maka data tersebut perlu dianalisa sebelum
melakukan eksplorasi yang lebih dalam. Pada penelitian ini, penulis melakukan teknik
penentuan respon AVO (Amplitude versus Offset) sebagai fungsi dari litologi, fluida pori dan
kedalaman. Pertama-tama, dibutuhkan porosity-depth trend (shale dan sand) sebagai data
model. Dari data tersebut kemudian ditentukan pula tren dari Vp/Vs, dan Acoustic
Impedance (AI) serta ditambah data Gamma Ray sehingga dapat diperoleh hasil berupa
prediksi letiology-depth trend yang dapat dibandingkan dengan hasil yang diperoleh oleh
well log. Model AVO probability density function (pdf) kemudian ditentukan untuk dapat
memprediksi lithologi dan pore fluid pada suatu range interval dari data seismic. Penelitian
ini dilakukan terhadap unconcolidated deep-water turbidite system di Afrika Barat.
II. Metodologi & Hasil
Untuk mendapatkan model porosity-depth trend pada Shale dan Sand, digunakan formula
empiric Ramm dan Bjorlykke (1994), yaitu
( + . Cl ) Z
=c .e
(1)
Keterangan:
c
= critical porosity (porositas pada zero-depth)
Cl = Clay Index, merupakan volume total clay relatif terhadap volume total framework grain

= Faktor grain stability pada nilai Cl=0 (clean sandstone)

= Faktor sensitivitas terhadap pertambahan nilai Cl

Z = Burial depth (kedalaman)

Untuk mendapatkan nilai modulus elastic,maka digunakan Hertz Mindlin Contact Theory.
Nilai modulus elastic tersebut kemudian dapat digunakan untuk menghitung Vp/Vs. Data
density didapatkan dari perhitungan porosity trend. Perhitungan depth trend kemudian
dilakukan pada clean sands (oil, brine and gas filled), shaly sand dan shale. Pada clean sand
diasumsikan mengandung 100% quartz 0% clay, pada shaly sand 80%quartz 20% clay.
Modulus efektif mineral tersebut dihitung dengan perumusan Hills Averaging (Mavko

1988). Perpaduan parameter (Vp/Vs dan AI) depth trend tersebut menunjukkan korelasi yang
baik dengan data yang diperoleh dari well log. Adapun Deviais pada shale trend dapat
mengindikasikan terdapat variasi kandungan silt pada formasi shale tersebut, sementara
deviasi pada shaly sand (dibandingkan dengan clean sand) dapat mengindikasikan adanya
hidrokarbon maupun kandungan clay.
Data Vp, Vs dan density trend dari celan brine sand, shaly sand dan shale kemudian diproses
dengan multiGaussian statictical distribution untuk dapat memperoleh data mean dari tiap
paramtere tersebut pada tiap facies. Untuk data oil dan gas sand, maka digunakan konsep
Gassman.
Adapun nilai Zero Offset Reflectivity (R(0)) bernilai sebanding dengan kontras dari acoustic
impedance, sementara G sebanding dengan kontras nilai Vp/Vs. Dengan menggunakan
simulasi Monte Carlo terhadap R(0) versus G dari data Vp, Vs dan density pada berbagai
kargeori model interface, dapat diperoleh variasi model pdf dalam bentuk scatter plot.
Perumusan AVO ynag digunakan menggunakan Aproksimasi Shuey yaitu
R ( ) R ( 0 ) +G . sin 2 ()

(2)

Model pdf tersebut kemudian digunakan untuk mengkalibrasi data R(0) versus G yang
diperoleh dari data seismic pre-stack yang disertai dengan kalibrasi background window dari
data seismic tersebut. Hasil kalibrasi digunakan untuk melakukan klasifikasi AVO dengan
menggunakan konsep Mahalanobis. Klasifikiasi yang dihasilkan menunjukkan korelasi yang
baik dengan data well log. Bagian top reservoir diidentifikasi sebagai gas sand, diikuti
dengan oil sand dibawahnya. Water sand diidentifikasi sebagai komposisi utama (volume
yang signifikan) pada reservoir. Dari hasil yang didapatkan terlihat bahwa terdapat beberapa
data yang tidak diklasifikasika/no class. Hal ini disebabkan data tersebut merupakan data
yang jauh dari persebaran data utama pada crossplot R(0) vs G. Data tersebut dapat
diinterpretasi sebagai layer cemented sand yang tipis.

Gambar 1. Depth Trend pada GR, AI dan Vp/Vs

Gambar 2. Kategori dari layer interface

Gambar 3. Model AVO Scatter Plot (R(0) vs G) pada variasi interface layer

Gambar 4. Kalibrasi AVO attribute yang diperoleh dari pre-stack seismic

data dengan model AVO pdf pada Gambar 3

III.Kesimpulan
Hasil penelitian ini menujukkan bahwa kalibrasi data seismic dengan AVO pdf dapat
menghasilkan prediksi litologi yang baik sehingga dapat digunakan lebih lanjut dalam
tahapan interpretasi seismic. Adapun keterbatasan dari metode ini adalah effect overburden
yang dapat menghasilkan ambiguitas pada parameter Rock Physcis serta respon AVO yang
diperoleh.