26
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.

Interpolasi Nilai Property Reservoir Di Lapangan “Z ... · dalam geostatistika yang mencakup bidang geologi . ... akumulasi dan termasuk semua aplikasi ... Geologi Penelitian

Embed Size (px)

Citation preview

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

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

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

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

Analisis & Pembahasan

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