Electronic Theses and Dissertation

Karakterisasi reservoir merupakan salah satu tahapan yang sangat penting dalam eksplorasi hidrokarbon. Oleh karena itu, studi ini menggunakan metode inversi Impedansi Akustik (IA) dan Probabilistic Neural Network (PNN) dengan memanfaatkan 36 lintasan seismik 2D dan dua (2) data sumur, yaitu Emas dan Peranap. Kedua data tersebut merupakan data yang diakuisisi dari Lapangan “LV”, Cekungan Sumatera Tengah. Tujuan dari studi ini adalah untuk mengkarakterisasi reservoir yang potensial pada zona target Formasi Telisa dan Base Lakat. Hasil studi menunjukkan bahwa Formasi Telisa, berdasarkan hasil pemodelan dan peta distribusi parameter, merupakan zona target yang memiliki potensi prospek hidrokarbon. Zona prospek tersebut memiliki kisaran nilai impedansi akustik antara 11.000 - 22.000 (ft/s)*(g/cc) dan nilai porositas antara 25 - 40% (Sangat baik hingga istimewa). Metode PNN yang bersifat non-linier menunjukkan peningkatan akurasi prediksi, dengan nilai korelasi mencapai 0,95 dan average error sebesar 0,01. Integrasi metode inversi dan PNN terbukti efektif dalam meningkatkan akurasi prediksi dan resolusi spasial, serta memberikan gambaran yang lebih representatif terhadap kondisi fisik bawah permukaan, sehingga mendukung delineasi zona prospek secara lebih akurat. Untuk meningkatkan dan memvalidasi hasil penelitian, diperlukan penambahan data sumur di area penelitian, integrasi dengan data geologi dan petrofisika seperti analisis fasies, serta eksplorasi metode machine learning alternatif, sehingga studi di masa mendatang dapat lebih aplikatif.

Kata kunci: Impedansi-akustik, porositas, inversi-seismik, Probabilistic Neural Network, Cekungan-Sumatera-Tengah.

Reservoir characterization is one of the most crucial stages in hydrocarbon exploration. Therefore, this study utilizes the Acoustic Impedance (AI) inversion method and the Probabilistic Neural Network (PNN) by employing 36 lines of 2D seismic data and two (2) well data, namely Emas and Peranap. These data were acquired from the "LV" Field, located in the Central Sumatra Basin. The objective of this study is to characterize potential reservoirs within the target zones of the Telisa and Base Lakat Formations. The results of the study indicate that the Telisa Formation, based on modeling results and parameter distribution maps, is a target zone that has hydrocarbon prospect potential. The prospective zone has an acoustic impedance range between 11,000 - 22,000 (ft/s)*(g/cc) and porosity values ranging from 25 - 40% (verygood to excellent). The non-linear nature of the PNN method shows improved prediction accuracy, with a correlation value reaching 0.95 and an average error of 0.01. The integration of inversion and PNN methods has proven effective in enhancing prediction accuracy and spatial resolution, as well as providing a more representative depiction of subsurface physical conditions, thus supporting more accurate delineation of prospective zones. To improve and validate the results of this study, it is necessary to incorporate additional well data inside the study area, integrate geological and petrophysical data such as facies analysis, and explore alternative machine learning methods, so that future research becomes more applicable. Keywords: Acoustic-impedance, porosity, seismic-inversion, Probabilistic Neural Network, Central-Sumatra-Basin.