Band Limited Impedance Inversion (BLIMP)

742 views
627 views

Published on

Published in: Engineering, Technology, Business
0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
742
On SlideShare
0
From Embeds
0
Number of Embeds
51
Actions
Shares
0
Downloads
0
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide

Band Limited Impedance Inversion (BLIMP)

  1. 1. ALGORITMASecara umum Band Limited Impedance Inversion (BLIMP) merupakan salah satu metode inversi yangmenutupi sifat data seismik yang limited frequency (~ 10-80 Hz) dengan data low ( ~10 Hz) frequencydari Impedance log. Ini dapat digunakan untuk membaliksan data seismik menggunakan data sumur,atau beberapa fungsi impedansi yang diketahui, untuk menyediakan data frekuensi rendah, umumdigunakan pada metoda akuisisi, yang diperlukan untuk proses inversi. Algoritmanya adalah sebagaiberikut (Ferguson & Margrave, 1996),1. Compute the linear trend of the impedance estimate and subtract it (this reduces edge effectsduring subsequent frequency domain operations).2. Compute the Fourier spectra of (1).3. Apply a band-limited integration filter to each seismic trace and exponentiate the result.4. Compute the Fourier spectra of (3).5. Determine a scalar to match the mean power of (4) and (2) over the seismic signal band.6. Multiply the spectra of (4) by the scalar from (5).7. Low-pass filter (2) and add to (6).8. Inverse Fourier transform (7).9. Add the low-frequency trend from (1) to (7)The required filters in steps (3), (5) and (7) are designed using the same userspecified Gaussian rolloff at high and low frequencies.DATA AWALSebagi data awal untuk melakukan proses BLIMP dibutuhkan data impedansi akustik dan dataseismik. Untuk kedua data ini, saya membuatnya secara sintetik. Berikut beberapa parameter yangdigunakan untuk men-generate data awal dan juga dalam proses me-run program BLIMP ini, Data impedansi memakai TWT maksimal 1 s dan trend lnier dengan persamaan y=x*500 + 3500.Besar nilai dan trend impedansi mencoba merefer pada litologi wet sand (dari Bourbie, Coussy,and Zinszner, Acoustic of Porous Media, Gulf publishing). Data seismik memakai mother wavelet jenis Ricket Kedua data sintetik impedansi akustik dan juga sesimik di-generate dengan menggunakan fungsirandom dengan sampling rate 5 ms  200 data Frekuensi sampling 200 Hz Faktor skalar λ=2/ϒ dengan ϒ adalah faktor konversiKODE MATLABBerikut kode matlab yang digunakan untuk mengeksekusi program Band-limited ImpedanceInversion sesuai dengan algoritma diatas,%%% TUGAS UAS SEISMIK INVERSI RESRVOIR%%% NAMA: FAJAR NUGRAHA PERDANA%%% NIM: 12309023%%% TANGGAL: 06 MEI 2013%%% BAND LIMITED IMPEDANCE INVERSIONclc,clear all%%% Membuat data sintetik impedansi akustikTWT=(1:5:1000)/1000; % dalam second
  2. 2. 2ndata=length(TWT);AI_awal=400*ones(1,200); % ref impedansi wet sandQ1=AI_awal(1:50)+200.*randn(1,50);Q2=AI_awal(51:100)+(50.*randn(1,50));Q3=AI_awal(101:150)+(100.*randn(1,50));Q4=AI_awal(151:200)+(250.*randn(1,50));AI_N=[Q1 Q2 Q3 Q4]; % matrix log - trendtrend=TWT*500+3500;AI=AI_N+trend; % data sintetik log impedancefigure (9)plot(TWT,AI)title(Log Impedance)ylabel(Acoustic Impedance)xlabel(TWT (s))%%% Membuat data seismik sintetik% Membuat Ricket waveletvar=0.5; tmin=-10; tmax=10; dt=0.1;t=(tmin:dt:tmax);cakra=2 / sqrt(3*var)*pi^0.25;bobby=1 - ((t.^2)/(var.^2));yudha=exp((-t.^2)/(2*var.^2));ric=cakra*bobby.*yudha;figure(10)plot(t,ric,-r,LineWidth,2)title(Ricker (Mexicanhat) Wavelet)xlim([tmin tmax]); ylim([-1.5 2.5])grid(gca,minor)% Membuat Koefisien refleksik=length(AI);for i=1:(k-1);RC(i)=(AI(i+1)-AI(i))/(AI(i+1)+AI(i));endRC=[0 RC];% Membuat data seismik sintetikseis_sin=conv(RC,ric); % konvolusiseis_sin(length(seis_sin)-100:length(seis_sin))=[];seis_sin(1:100-1)=[];% Plot Imp, RC dan sintetik seismikfigure(11)subplot(1,3,1)plot(AI,TWT)title(Log Impedance)xlabel(Acoustic Impedance)xlim([3000 5500])ylabel(TWT (s))set(gca,YDir,reverse)subplot(1,3,2)plot(RC,TWT)title(Reflection Coefficient)
  3. 3. 3xlabel(RC)ylabel(TWT (s))set(gca,YDir,reverse)subplot(1,3,3)plot(seis_sin,TWT)title(Synthetic Seismic)xlabel(Amplitude)ylabel(TWT (s))set(gca,YDir,reverse)%%% STEP 1% Compute the linear trend of the impedance estimate and subtract it (this reduces edge effectsduring subsequent frequency domain operations).reg=polyfit(TWT,AI,1); % Liniertrend_AI=polyval(reg,TWT); % Membuat nilai trendfigure(12)subplot(1,3,1)plot(AI,TWT)title(Log Impedance)xlabel(Acoustic Impedance)xlim([3000 5500])ylabel(TWT (s))set(gca,YDir,reverse)subplot(1,3,2)plot(trend_AI,TWT,r,LineWidth,2)title(Linear Impedance Trend)xlabel(Acoustic Impedance)xlim([3000 5500])ylabel(TWT (s))set(gca,YDir,reverse)% Log Impedance - TrendIMP_Trend=AI-trend_AI;subplot(1,3,3)plot(IMP_Trend,TWT)title(Log Impedance - Trend)xlabel(Acoustic Impedance)ylabel(TWT (s))set(gca,YDir,reverse)%%% STEP 2% Compute the Fourier spectra of (1)% Set parameter awal untuk Spectral Analysis dengan FFTtime=TWT; % Waktusampfreq=200; % Frequency samplingfr=sampfreq*((0:ndata)/ndata); % Range frekuensi% Membuat log data hasil FFTA=fft(IMP_Trend,ndata); A=[A 0]; % FFT to freq domain
  4. 4. 4B=A.*conj(A); % Magnitudefigure (13)plot(fr(1:ndata +1),B(1:ndata +1)); % Menampilkan dengan fcfill(fr(1:ndata +1),B(1:ndata +1),b,EdgeColor,none)line([100 100],[0 4e+7],Color,r,LineStyle,-,LineWidth,2)text(100,max(B),Frequency Cut-off rightarrow,HorizontalAlignment,right)title(Magnitude vs Frequency)ylabel(|A|)grid(gca,minor)%%% STEP 3 & 4% Apply a band-limited integration filter to each seismic trace and exponentiate the result.% Compute the Fourier spectra of (3)% Membuat FFT data seismikC=fft(seis_sin,ndata); C=[C 0]; % FFT to freq domainD=C.*conj(C); % Magnitudefigure (14)subplot(4,1,1)plot(fr(1:ndata +1),D(1:ndata +1)); % Menampilkan dengan fcfill(fr(1:ndata +1),D(1:ndata +1),b,EdgeColor,none)line([100 100],[0 10],Color,r,LineStyle,-,LineWidth,2)text(100,10,Frequency Cut-off rightarrow,HorizontalAlignment,right)title(Magnitude vs Frequency Seismogram Sintetik)ylabel(|A|);% Band-pass filter data seismik 10-80 hz% Spectrum of band-pass filter(10-80hz)n_lowfr=10*(ndata/200);n_highfr=80*(ndata/200)-n_lowfr+1;sisa_bandfr=ndata-2*n_highfr-2*n_lowfr+1;band_freq=[zeros(1,n_lowfr) ones(1,n_highfr) zeros(1,sisa_bandfr) ones(1,n_highfr)zeros(1,n_lowfr)];subplot(4,1,2)plot(fr(1:ndata +1),band_freq(1:ndata +1),g,LineWidth,2)title(Band-pass Filter 10-80 Hz)% Filtered-bandpass seismic trace real-imajinerfiltered_seistrace_realimag=band_freq.*C;subplot(4,1,3)plot(fr(1:ndata +1),filtered_seistrace_realimag(1:ndata +1))title(Seismic Trace Filtered Frequency)ylabel(A)% Filtered-bandpass seismic tracefiltered_seistrace=band_freq.*D;subplot(4,1,4)plot(fr(1:ndata +1),filtered_seistrace(1:ndata +1))title(Seismic Trace Filtered Frequency)ylabel(|A|)xlabel(Frequency (Hz))%%% STEP 4+% Inverse FFT dan plot hasil seismik trace yang telah ter-filterE=(ifft(filtered_seistrace_realimag,ndata));
  5. 5. 5figure (15)subplot(2,1,1)plot(TWT(1:ndata),seis_sin(1:ndata),b,LineWidth,2)title(Synthetic Seismic Trace)ylabel(Amplitude)xlabel(TWT (s))grid(gca,minor)subplot(2,1,2)plot(TWT(1:ndata),E(1:ndata),m,LineWidth,2)title(Seismic Trace Filtered)ylabel(Amplitude)xlabel(TWT (s))grid(gca,minor)%%% STEP 5% Determine a scalar to match the mean power of (4) and (2) over the seismic signal band.gamma=((max(D)-min(D))/(max(B)-min(B)));lambda=(2/gamma);%%% STEP 6% Multiply the spectra of (4) by the scalar from (5)scaled_seis=filtered_seistrace*lambda;scaled_seis_realimag=filtered_seistrace_realimag*sqrt(lambda);%%% STEP 7% Low-pass filter (2) and add to (6)figure (16)subplot(4,1,1)plot(fr(1:ndata +1),B(1:ndata +1)); % Menampilkan dengan fcfill(fr(1:ndata +1),B(1:ndata +1),b,EdgeColor,none)line([100 100],[0 4e+7],Color,r,LineStyle,-,LineWidth,2)text(100,max(B),Frequency Cut-off rightarrow,HorizontalAlignment,right)title(Magnitude vs Frequency)ylabel(|A|)% Lowpas-filter 10hz% Spectrum of low-cut filter(10hz)n_lowfr=10*(ndata/200)+1;sisa_lowfr=ndata - 2*n_lowfr+1;low_freq=[ones(1,n_lowfr) zeros(1,sisa_lowfr) ones(1,n_lowfr)];subplot(4,1,2)plot(fr(1:ndata +1),low_freq(1:ndata +1),g,LineWidth,2)title(Low-Cut filter 10 Hz)% Lowpass 10hz real-imajinerfiltered_realimag=low_freq.*A;subplot(4,1,3)plot(fr(1:ndata +1),filtered_realimag(1:ndata +1))title(Filtered 10 Hz)ylabel(A);% Filtered-lowpass for logfiltered_log=low_freq.*B;subplot(4,1,4)
  6. 6. 6plot(fr(1:ndata +1),filtered_log(1:ndata +1))title(Filtered 10 Hz)xlabel(Frequency (Hz));ylabel(|A|);% Add filtered impedance log to spectrum of integrated RCspc_log_scaled=scaled_seis+filtered_log;spc_log_scaled_realimag=filtered_realimag+scaled_seis_realimag;% Plotting hasil penggabunganfigure(17)subplot(2,2,1)plot(fr(1:ndata/2),filtered_log(1:ndata/2))fill(fr(1:ndata/2),filtered_log(1:ndata/2),b,EdgeColor,none)title(Spectrum of filtered log)ylabel(|A|)xlabel(Frequency (Hz))subplot(2,2,2)plot(fr(1:ndata/2),filtered_seistrace(1:ndata/2))fill(fr(1:ndata/2),filtered_seistrace(1:ndata/2),b,EdgeColor,none)title(Spectrum of Integrated RC)ylabel(|A|)xlabel(Frequency (Hz))subplot(2,2,3:4)plot(fr(1:ndata/2),spc_log_scaled(1:ndata/2),b,LineWidth,2)fill(fr(1:ndata/2),spc_log_scaled(1:ndata/2),b,EdgeColor,none)title(Spectrum of filtered log + Integrated RC)ylabel(|A|)xlabel(Frequency (Hz))%%% STEP 8 & 9% Inverse Fourier transform (7)% Add the low-frequency trend from (1) to (7)F=(ifft(spc_log_scaled_realimag,ndata));G=F+trend_AI;figure (18)plot(TWT(1:ndata),AI(1:ndata),b)hold onplot(TWT(1:ndata),G(1:ndata),r,LineWidth,2)title(BLIMP vs Log Impedance)ylabel(Acoustic Impedance)xlabel(TWT (s))legend(Log,BLIMP)
  7. 7. 7OUTPUTKode matlab diatas jika dijalankan maka akan memberikan output yang hampir semuanya berupagambar grafik dari proses BLIMP. Berikut output yang dihasilkan,Figure 9Data sintetik log impedansiFigure 10Ricket mother wavelet yang digunakan dalam membuat tras seismik
  8. 8. 8Figure 11Log impedansi, koeffisien refleksi, dan juga tras seismik sintetik hasil konvolusi RC dengan waveletFigure 12Log impedansi dan trend yang dimilikinyaFigure 13Spektrum frekuensi dari data log impedansi
  9. 9. 9Figure 14Data seismik yang berusaha difilter oleh filter frekuensi sedang-tinggi (10-80 Hz)Figure 15Tampilan tras seismik yang belum dan telah terfilterFigure 16Data log impedansi yang berusaha difilter oleh filter frekuensi rendah (~10 Hz)
  10. 10. 10Figure 17Kombinasi spektrum dari data log impedansi terfilter dan juga data seismik terfilterFigure 18Perbandingan dari impedansi log dan impedansi inversiDari gambar diatas dapat dilihat bahwa terjadi korelasi yang sangat baik antara data log impedansi(biru), sebagai data awal yang kita punya, dengan data impedansi hasil dari pendekatan inversimenggunakan BLIMP (merah). Terlihat juga data impedansi inversi mempunyai karakteristik grafikyang lebih halus dibandingkan dengan data log impedansi.PustakaRobert J. Ferguson and Gary F. Margrave, 1996, A simple algorithm for band-limited impedanceinversion: CREWES Research Report Vol. 8
  11. 11. 11

×