interpolasi nilai property reservoir di lapangan “z ... · dalam geostatistika yang mencakup...
Post on 12-Mar-2019
223 Views
Preview:
TRANSCRIPT
Interpolasi Nilai Property Reservoir Di Lapangan “Z Perairan Laut Jawa
Dengan Metode Ordinary Kriging dan Cokriging
Seminar Hasil Tugas Akhir (Rabu, 16 Juli 2014)
Oleh : Nur Anisyah (1310100012) Pembimbing : Prof. Drs. Nur Iriawan, MIKom., Ph.D.
1. Pendahuluan 2. Tinjauan Pustaka 3. Metodologi
5. Kesimpulan & Saran
4. Analisis & Pembahasan 1
contents
Pendahuluan Latar Belakang Perumusan
Masalah Tujuan
Penelitian Manfaat Penelitian
Batasan Masalah
2
Sumber : http://ekbis.sindonews.com/read/832737/34/realisasi-produksi-migas-phe-onwj-lampaui-target
Lapangan “Z” Pertamina Hulu Energi Offshore North-West Java
Ordinary kriging & cokriging
3
Bagaimana karakteristik data thickness , porositas, permeabilitas dan saturasi air
Bagaimana nilai estimasi thickness , porositas dan saturasi air, permeabilitas berdasarkan trend facies menggunakan metode Cokriging
Bagaimana interpolasi property reservoir menggunakan metode Cokriging
Pendahuluan Latar Belakang Perumusan
Masalah Tujuan
Penelitian Manfaat Penelitian
Batasan Masalah
4
Mendeskripsikan karakteristik data thickness , porositas, saturasi air, permeabilitas dan permeabilitas
Mendapatkan nilai estimasi thickness , porositas, saturasi air dan permeabilitas berdasarkan trend facies menggunakan metode Cokriging
Memperoleh alternatif metode interpolasi property reservoir antara metode Cokriging
Pendahuluan Latar Belakang Perumusan
Masalah Tujuan
Penelitian Manfaat Penelitian
Batasan Masalah
5
Ma
nfa
at 1
Alternatif metode persoalan interpolasi property reservoir kepada PT. Pertamina Hulu Energi (PHE) Offshore North West Java (ONWJ)
Ma
nfa
at 2
Bentuk penerapan dan pengembangan ilmu Statistika khususnya dalam geostatistika yang mencakup bidang geologi
Pendahuluan Latar Belakang Perumusan
Masalah Tujuan
Penelitian Manfaat Penelitian
Batasan Masalah
6
Parameter Reservoir 1. Thickness 2. Porositas
3. Saturasi Air 4. Permeabilitas
Variabel Kontrol : Trend Facies
Metode : Cokriging
Pendahuluan Latar Belakang Perumusan
Masalah Tujuan
Penelitian Manfaat Penelitian
Batasan Masalah
Tinjauan Pustaka Geostatistika
7
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
GEOSTATISTIKA adalah ilmu yang khusus mempelajari distribusi dalam ruang yang sangat berguna untuk insinyur tambang
dan ahli geologi seperti ketebalan, akumulasi dan termasuk semua aplikasi
praktis untuk masalah-masalah yang muncul di dalam evaluasi endapan bijih
George Matheron 1963
Geostatistika
8
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
Tinjauan Pustaka
Nnnnnnn
N
N
zzzxxx
zzzxxxzzzxxx
21321
222
12
32
22
12
121
11
31
21
11
Data spasial merupakan data yang disajikan dalam posisi geografis dari suatu obyek yang berkaitan dengan lokasi, bentuk dan hubungan dengan ruang bumi yang disajikan dengan menggunakan titik, garis dan luasan.
Geostatistika
9
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
Tinjauan Pustaka
x + h h
x
Dibentuk berdasarkan pengukuran korelasi spasial antara 2 (dua) sampel
yang dipisahkan dan jarak tertentu.
Dipilih berdasarkan bentuk yang paling mendekati variogram eksperimental.
Variogram
V. Eksperimental V. Teoritis
isotropi anisotropi
1) Model Linear 2) Model Exponential 3) Model Spherical 4) Model Gaussian
Geostatistika
10
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
Tinjauan Pustaka
Variogram Teoritis Model Spherical, Eksponensial dan Gaussian
Bagian – Bagian Variogram
Geostatistika
11
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
Tinjauan Pustaka
COKRIGING adalah metode untuk mengestimasi yang meminimalkan kesalahan estimasi dengan memanfaatkan korelasi silang antara beberapa variabel (Issaks dan Srivastava). Ada 2 data set U dan V. Nilai estimasi cokriging merupakan kombinasi linear dari kedua variabel yang diberikan oleh.
Geostatistika
12
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
Tinjauan Pustaka
ORDINARY KRIGING Ordinary Kriging merupakan interpolasi suatu nilai peubah pada suatu titik (lokasi) tertentu yang dilakukan dengan mengamati data yang sejenis di lokasi lainnya.
Geostatistika
13
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
Tinjauan Pustaka
Lapangan “Z” Lokasi = Sekitar Selat Sunda dengan
jarak kurang lebih 120kms Tenggara Jakarta di Laut Jawa.
ditemukan =1974 mulai produksi =1986 Jumlah sumur = 65
Sumber : PHE ONWJ
Geostatistika
14
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
Tinjauan Pustaka
Porositas perbandingan antara volume total pori-pori batuan dengan volume total batuan per satuan volume tertentu dalam fraksi persen.
Permeabilitas ukuran atau kemempuan material berpori untuk dilewati fluida maupun cairan hidrokarbon di dalamnya
Saturasi perbandingan antara volume pori batuan yang terisi fluida formasi tertentu terhadap total volume pori batuan yang terisi fluida
Koordinat absis, ordinat dan elevasi
Thickness selisih antara base dengan top soil di kedalaman sebenarnya yang terukur dari permukaan sumur dalam satuan feet.
Geostatistika
15
Data Spasial Variogram Cokriging Ordinary Kriging
Lokasi Penelitian
Pemodelan Geologi
Penelitian Sebelumnya
Tinjauan Pustaka
SPATIAL INTERPOLATION AND INVESTIGATION IN CROPLAND SAMPLE SIZE OPTIMIZATION FOR SOIL COPPER(Cu) SOIL
AT COUNTY SCALE USING COKRIGING Pang Su, Li Ting Xuan, Wang Yong-Du, Yu Hai-Ying dan Li Xi
MAPPING SOIL SALINITY USING COLLOCATED COKRIGING IN BAHARIYA OASIS, EGYPT
Kh.M.Darwish, M.M.Kotb dan R.Ali
Hasil analisis menunjukkan bahwa
RMSE yang dihasilkan cokriging lebih kecil 0,9% daripada metode
ordinary kriging, serta korelasi antara nilai observasi dan prediksi
meningkat sebesar 1,76% dibandingkan metode ordinary
kriging.
Didapatkan hasil bahwa metode cokriging mampu mereduksi nilai mean
square error (MSE) dan nilai variasi kriging hingga 10 persen serta
menambah korelasi dari hasil estimasi sebesar 25 persen dibandingkan dengan metode ordinary kriging.
Metodologi Sumber Data
16
Variabel Penelitian
Langkah Analisis
PERTAMINA HULU ENERGI
Titik estimasi
Titik Sumur
Lapangan “Z”
Sumber Data
17
Variabel Penelitian
Langkah Analisis
Metodologi
R2_tp
R2_bs
No Well Name Absis Ordinat Thickness Porositas Saturasi Air Permeabilitas 1 AU-1 .... .... .... .... .... .... 2 AU-2 .... .... .... .... .... .... 3 AU-3 .... .... .... .... .... ....
.... .... .... .... .... .... .... ....
65 AZZ-2 .... .... .... .... .... ....
Fokus area penelitian (zona – 1)
Struktur Data
Sumber Data
18
Variabel Penelitian
Langkah Analisis
Metodologi
Eksplorasi Karakteristik Data (Min, Mean, Maks, Variance)
Mengestimasi •In-sample = 53 sumur •Out-Sample = 10 Sumur
MengInterpolasi 10 point
OUTPUT : Nilai Interpolasi Properti Reservoir di 10 Titik
END
START
INPUT : Thickness ; Porositas
Saturasi Air ;Permeabilitas
Cek stasioneritas
Kriging With Trend (Universal Kriging)
•Ordinary Kriging
•Cokriging
Berkorelasi ? Ordinary Kriging (Thickness)
Cokriging (Porositas, Saturasi Air dan
Permeabilitas)
Pengumpulan Data
Tidak
Tidak Ya
Ya
19
Property Reservoir Nilai Minimum
Nilai Maksimum
Rata-Rata Varians
Thickness 0 64.59 30.5 134.34 Porositas (Min) 0 0.2811 0.0939 0.0066 Porositas (Mean) 0.13754 0.37854 0.27131 0.0027 Porositas (Maks.) 0.23628 0.46433 0.38018 0.00256 Saturasi Air (Min) 0.0001 0.7067 0.1996 0.0134 Saturasi Air (Mean) 0.1638 0.7483 0.382 0.0209 Saturasi Air (Maks) 0.2834 1 0.7745 0.0564 Permeabilitas 15.6 104.2 70.8 1091.3
Karakteristik Data
Analisis Vriogram Interpolasi
Analisis & Pembahasan
Variabel Metode
Thickness Ordinary Kriging Porositas Cokriging Saturasi Air Cokriging Permeabilitas Cokriging
Properti Reservoir Model Nugget
(C0) Sill
(C0+C) RSS
Thickness
Linear 104.14062 164.497128 14938 Spherical 0.1 137.3 19000 Exponential 81 162.1 14288 Gaussian 20.1 137.5 18964
0.
58.
117.
175.
233.
0.00 2255.14 4510.27 6765.41
Sem
ivariance
Separation Distance (h)
Isotropic Variogram
Exponential model (Co = 81.00000; Co + C = 162.10000; Ao = 2410.00; r2 = 0.278; RSS = 14288.)
Properti Reservoir Model
Nugget (C0) Sill (C0+C) RSS
Thickness
Linear 99 418.13998 205739 Spherical 92.7 411.83998 208766 Exponential 101.3 420.43998 205674 Gaussian 115.3 434.43998 203583
0.
80.
160.
239.
319.
0.00 2255.14 4510.27 6765.41
Sem
ivariance
Separation Distance (h)
Anisotropic Variogram (0º)
Gaussian model (Co = 115.30000; Co + C = 434.43998; AMajor = 51300.00; AMinor = 9970.00; r2 = 0.102; RSS = 203583.)
Variogram Isotropi Variogram Anisotropi
Karakteristik Data
Analisis Vriogram Interpolasi
Analisis & Pembahasan : (1) Thickness
20
Well Name
Koord.X Koord.Y Data Asli
Estimasi Isotropi
Estimasi Anisotropi
AU-16 230662.8 9399394 15.57 28.1 27.4 AUA-5 227441.9 9410011 35.88 35.0 33.0 AUB-5 226485.2 9408922 24.66 20.6 27.7 AUC-5 227984 9408461 30.71 33.5 34.0 AUD-5 229513.4 9408031 34.99 29.2 31.1 AUE-5 226521.9 9407448 28.28 30.2 28.3 AUF-5 228048.5 9406977 37.61 35.6 35.2 AUG-5 229543.8 9406584 23.1 31.1 30.9 AUK-3 229107.8 9401041.29 13.33 31.5 32.3 AZZ-1 226990.1 9411303 42.54 36.4 31.9
0.00
16.15
32.30
48.44
64.59
0.00 21.53 43.06 64.59
Actua
l
Estimated
Regression coeff icient = 0.455 (SE = 0.433 , r2 =0.021,y intercept = 16.45, SE Prediction = 11.855, n = 53)
0.00
16.15
32.30
48.44
64.59
0.00 21.53 43.06 64.59
Actua
l
Estimated
Regression coeff icient = 0.219 (SE = 0.381 , r2 =0.006,y intercept = 24.09, SE Prediction = 11.944, n = 53)
0
5
10
15
20
25
30
35
40
45
Data Asli
Estimasi Isotropi
Estimasi Anisotropi
Cross-Variogram Isotropi Cross-Variogram Anisotropi
R2 =2.1% R2 =0.6%
Karakteristik Data
Analisis Vriogram Interpolasi
Analisis & Pembahasan : (1) Thickness
21
top related