Dokumen tersebut membahas analisis inversi parameter Lambda-Mu-Rho (LMR) pada reservoir gas formasi Baturaja di lapangan Azzurri, Cekungan Sumatera Selatan untuk mengkarakterisasi reservoir dan mengidentifikasi litologi serta fluida menggunakan data seismik dan sumur. Parameter LMR mampu membedakan litologi dan kehadiran gas, dan inversi LMR meningkatkan resolusi hingga dapat mendeteksi ketebalan reservoir sebesar 25 kaki.

1. ANALISA INVERSI LMR PADA
RESERVOIR GAS BATUAN
KARBONAT FORMASI BATURAJA DI
LAPANGAN AZZURRI, CEKUNGAN
SUMATRA SELATAN
MUHAMMAD KURNIAWAN
TEKNIK GEOFISIKA
FAKULTAS TEKNIK PERTAMBANGAN & PERMINYAKAN
INSTITUT TEKNOLOGI BANDUNG

2. Latar Belakang
 Data seismik memiliki peranan penting dalam karakterisasi
reservoir, khususnya dalam membedakan litologi maupun fluida.
 Inversi Impedansi Akustik (AI) sering digunakan untuk membantu
membedakan litologi maupun fluida, namun banyak dijumpai
dimana nilai AI untuk beberapa litologi memiliki nilai yang hampir
sama.
 Parameter Lambda-Mu-Rho digunakan untuk membantu
membedakan litologi maupun fluida dengan lebih baik.

3. Tujuan
 Melakukan karakterisasi reservoir yang mengandung hidrokarbon
(gas) menggunakan analisa parameter lambda-rho dan mu-
rho untuk mengetahui penyebaran reservoir, identifikasi
liologi antara shale dan limestone beserta kandungan
fluida.

4. Geologi Regional
Lokasi
Penelitian
 Lokasi Penelitian berada di
Cekungan Sumatera
Selatan, Provinsi Jambi.
 Lingkungan sistem
pengendapan berupa
lingkungan sistem marine.
 Jebakan hidrokarbon berupa
jebakan struktur, reef build
up pada reservoir formasi
baturaja dengan ketebalan
zona gas 25 feet.

5. Teori Dasar
Persamaan Zoeppritz
Zoeppritz menurunkan amplitudo dari gelombang yang terefleksi dan
tertransmisi sebagai fungsi dari sudut datang pada media elastik.

6.  Rigiditas didefinisikan sebagai seberapa besar
material berubah bentuk terhadap shear stress.
 Rigiditas menyatakan seberapa mudah suatu
material atau batuan untuk di geser (slide over).
 Semakin mudah suatu batuan untuk di slide over
maka dikatakan batuan tersebut memiliki rigiditas
yang rendah, begitu pula sebaliknya
 Rigiditas ( ) sensitif terhadap matriks batuan
Teori Dasar
µρ

7. Teori Dasar
Ilustrasi Rigiditas
Batuan sebelum dikenai shear stress
Batuan dikenai shear stress, fluida dalam pori antar matriks
tidak dapat melawan shear stress µ fluida = 0
Rigiditas / shear modulus hanya dipengaruhi
matriks batuan
Shale dengan orientasi matriks memipih,
Mudah untuk di geser/slide over/ shear
Memiliki nilai µ yang rendah
Limestone
Sulit untuk di shear /
slide over
Memiliki nilai µ yang tinggi

8. Teori Dasar
 Inkompresibilitas didefinisikan sebagai besarnya perubahan
volume (dapat dikompresi) bila dikenai oleh stress.
 Inkompresibilitas merupakan kebalikan dari kompresibilitas.
Menyatakan daya tahan terhadap perubahan volume ketika
terjadi perubahan kompresi yang mengenai suatu material
atau batuan.
 Semakin mudah suatu material atau batuan dikompresi
maka semakin kecil harga inkompresibilitasnya begitu pula
sebaliknya.
 Inkompresibilitas ( ) sensitif terhadap fluida poriλρ

9. Teori Dasar
Ilustrasi Inkompresibilitas
Ruang pori antar matriks berkurang
Jika pori terisi fluida spt minyak
atau air
Fluida tsb melawan gaya kompresi dengan
meningkatkan tekanan pori
Batuan tsb sulit dikompresi (λ tinggi)
Jika pori terisi fluida gas
Fluida gas tidak dapat melawan gaya kompresi dengan
meningkatkan tekanan pori (tidak seperti minyak atau air)
Batuan tsb mudah dikompresi (λ rendah)
Memiliki maksimum jumlah ruang pori
antar
matriks.

10. Teori Dasar
Goodway et alGoodway et al mengajukan pendekatan baru untuk mendapatkan parameterparameter
LaméLamé Lambda (λ) and Mu (µ) yang dikenal sebagai Lambda-Mu-RhoLambda-Mu-Rho (LMRLMR)
Teori :
22
22
22
2:
)2()(:
)(:
2
SP
PP
SS
SP
ZZsehingga
VZdan
VZmaka
VdanV
−=
+==
==
=
+
=
λρ
ρµλρ
µρρ
ρ
µ
ρ
µλ
Zp = Vp ρ Zs = Vs ρ

11. Data Seismik
 PSTM Gather
Line 856_82, sampling rate 2 ms, telah di-NMO, 698 CDP, Dominan frekuensi 50 Hz

12. Data Sumur
Zona Gas
25 feet
Top Brf
Bsmt

13. Data Sumur
Limestone
Shale
Top
Brf
Bsmt

14. Well-Seismic
Tie
PSTM Gather
Rp & Rs Estimate
Rs VolumeRp Volume
Layer
Properties
Fluid
Indicator
Ekstraksi Wavelet Rp Ekstraksi Wavelet Rs
Extract λρ, µρ
Lithology
Identification
Workflow for generating Lambda-Mu-Rho (LMR)
Well Data
Petrophysics
Crossplot
Initial Model Zp Initial Model Zs
Invert Zp Invert Zs

15. Vs target
Proses domain, sample rate,
velocity unit, tops yang dianalisis
External attribute yang digunakan :
GR, NPHI, dan RHOB
Create multi atribute
Vs pendekatan
atribut RHOB
Vs pendekatan 2 atribute,
NPHI & RHOB
Vs pendekatan 3 atribute,
NPHI, RHOB & GR
Analisa krosplot Vs - Vp
Vs prediksi yang dipakai
Vs pendekatan 3 atribute
Diagram alir S-Wave prediksi

16. Batas Analisis S-Wave
Prediksi
Top
Brf
Top
Telisa
Bsmt

17. Krosplot P-Wave vs S-Wave Prediksi
1 attribute (RHOB)

18. Krosplot P-Wave vs S-Wave Prediksi
2 attribute ( NPHI & RHOB)

19. Krosplot P-Wave vs S-Wave Prediksi
3 attribute (GR, NPHI & RHOB)
Anomali Kehadiran Gas
pada S-Wave terlihat
dengan baik

20. Perbedaan S-Wave prediksi
S-Wave prediksi
Pendekatan 3 attribute
S-Wave target
pendekatan castagna

21. Poisson ratio vs Vp
Gas
WetGas
Wet
Vp
Poisson ratio

22. P-Impedance vs S-Impedance
Gas
Wet
P Impedance
S Impedance
Gas
Wet

23. P-Impedance vs Gamma Ray
Shale
Efek
Gas
P Impedance
Gamma Ray
Limestone
Shale
Limestone
Gas

24. Mu-Rho vs NPHI
Wet
Gas
Gas
Wet
MuRho
NPHI

25. Lamb daRho vs MuRho
Gas
Wet
LambdaRho
MuRho
Gas
Wet
Anomaly cut-off

26. Limestone
Shale
Gas
Shale
Limestone
Gas
MuRho
LambdaRho
Lamb daRho vs MuRho

27. Well Tie
Cdp-stack
Reverse polarity,
penurunan AI pada
zona target top
karbonat Baturaja
ditandai oleh peak

28. Well Tie
CC=0.6624
Extract Statistical
Wavelet length = 125 ms
Taper length = 25 ms
Sample rate = 2 ms
Minimum phase

29. Estimasi Rp dan Rs
Rp Rs

30. Ekstraksi wavelet Rp
CC=0.7852
Extract Statistical
Wavelet length = 125 ms
Taper length = 25 ms
Sample rate = 2 ms
Minimum phase

31. Ekstraksi wavelet Rs
CC=0.5293
Extract Statistical
Wavelet length = 125 ms
Taper length = 25 ms
Sample rate = 2 ms
Minimum phase

32. Initial Model Zp
Model Zp

33. Initial Model Zs
Model Zs

34. Pre Inversion Analisis
P-Impedance
Impedance Correlation=0.93062

35. Pre Inversion Analisis
S-Impedance
Impedance Correlation=0.881256

36. P-Impedance
(Metode Sparse Spike)
P-Impedance

37. S-Impedance
(Metode Sparse Spike)
S-Impedance

38. MuRho (Lithology indicator)
µρ tinggi
menunjukkan litologi
limestone pada zona
reservoar gas
REEF
lagoonal
BASEMENT
NW SE

39. Lambda Rho (HC indicator)
λρ rendah efek dari
fluida gas
REEF
BASEMENT
NW SE

40. LambdaRho (HC indicator)
REEF
BASEMENT
Secara hidrostatik (GWC) gas berada diatas
(perbedaan tekanan)sehingga ini efek dari gas,
jebakan potensial baru lapangan Azzuri (internal
report PT. Medco E & P 25 Juli 2006 )
NW SE

41. Dominan frekuensi asli dari data seismik = ± 50 Hz

42. Hubungan Resolusi Seismik Inversi
LMR dengan Ketebalan Tuning

43. Dominan frekuensi setelah di inversi (section Lambda-
Rho), kisaran pada zona target dengan time 500 – 800
ms dan CDP 4200 – 4300 = ± 70 Hz

44. Hubungan Resolusi Seismik Inversi
LMR dengan Ketebalan Tuning
Zona target dengan insert curve
Lambda-Rho. Ketebalan reservoir
25 feet dengan kehadiran efek
ketebalan tuning. (tuning thickness
= 26.58 feet) dapat terlihat dengan
jelas pada penampang Lambda-Rho
Jebakan potensial baru
dengan batas GWC pada
data log -1762 feet dan
time seismic 600 ms

45. Lambda-Rho (856-82)
proven
pay zone analysis

46. Kesimpulan
Parameter Lambda-Mu-Rho (LMR), berdasarkan dari analisa krosplot dan penampang seismik
baik untuk Lambda-Rho maupun untuk Mu-Rho merupakan parameter yang sangat sensitif
terhadap perubahan litologi maupun fluida. Sehingga parameter ini dapat dijadikan sebagai
parameter utama analisa sifat fisika batuan terutama dalam kaitannya dengan karakterisasi
reservoar.
Inversi LMR mampu memberikan resolusi yang optimum dengan adanya efek ketebalan tuning.
Pada kasus ini, reservoar gas pada lapangan Azzuri memiliki ketebalan 25 feet. Resolusi seismik
pada penampang inversi LMR dapat di-resolve hingga 26.58 feet (8.63 meter) sehingga dapat
terlihat jelas nilai anomali kehadiran gas yang memiliki kesesuaian dengan data sumur dan
memungkinkan untuk melihat penyebaran fluida dan litologi pada reservoar karbonat formasi
Baturaja di lapangan Azzuri.

48. Daerah Lokasi Penelitian
Lapangan Azzurri

49. Field Overview
 Reservoir : Baturaja Limestone
 Pi : 1323 psi
 T : 144o
F
 Discovery : June-1994
 No. of Well : 1 well
 Type of fluid : Gas

50. Struktur Regional
Cekungan Sumatera Selatan

51. Stratigrafi Cekungan Sumatera Selat

52. Struktur Daerah Penelitian

53. Gas Reserves
Azzurri Gas Reserves
Proven/ Rock Vol. Por Sw FVF RF OGIP EUR
Probable acre-feet % % % MMSCF MMSCF
Proven 640 20850 0,93 34 38 0,01 72 16,12 11,61
Probable 661,9 29790 0,93 34 38 0,01 72 23,30 16,78
Proven based on GWC @ -1762 SS on Azzurri 1
Acres N/G

54. Bubble Map BRF
Well Cumm. Prod.
Bscf
Tmlt-1 2.35
Tmlt 07-01 9.42
Tmlt 07-02 7.06
18.83
Azzurri 1
Azzurri 2
Azzurri

55. MERUBAH DOMAIN OFFSET PADA CDP GATHER
MENJADI DOMAIN SUDUT (ANGLE GATHER)
V = kecepatan rata-rata
to = total waktu tempuh zero ofset
2
Vto
Z =
Vto
X
=θtan 



= −
Vto
X1
tanθ
Z
X
2
tan =θ
θθ =sudut datang,=sudut datang,
X =X = offsetoffset
Z = kedalamanZ = kedalaman

56. Perbandingan Berbagai Aproksimasi
R(θ)
θ
Error
R(θ)
θ
Aproksimasi Aki Richard
Zoeppritz
AproksimasiFatti

57. The Two-Term Aki-Richards Equation
Intercept / gradient analysisIntercept / gradient analysis is done with the two-term Aki-Aki-
Richards equationRichards equation. Recall that:
θθ 2
sinBA)(R +=
Where we have dropped the C term and define A and B as:
,
V
V
2
V
V
V
V
4
V
V
2
1
B
2
P
S
S
S
2
P
S
p
P
ρ
ρ∆∆∆






−





−=,
V
V
2
1
A
p
P








+=
ρ
ρ∆∆

58. Approximate Aki-Richards
Assuming that VP/VS = 2 in the full Aki-Richards equationAki-Richards equation:
Thus, the S-wave reflectivityS-wave reflectivity can be estimated as follows from the
intercept and gradient:






+==−=
−−+=−−=






−





−=
ρ
ρ∆∆
ρ
ρ∆∆
ρ
ρ∆∆
ρ
ρ∆∆∆
ρ
ρ∆∆∆
S
S
SPSP
S
S
p
P
S
S
p
P
2
P
S
S
S
2
P
S
p
P
V
V
2
1
Rand,AR:where,R2R
V
V
2
1
V
V
2
1
2
1
V
V
V
V
2
1
V
V
2
V
V
V
V
4
V
V
2
1
B
( )BA
2
1
RS −=

59. Densitas Velocity
Log Impedansi
Checkshot
Koefisien Refleksi
Konvolusi
Wavelet
Seismogram Sintetik
Tras Seismiks
Ekstraksi Wavelet
Wavelet
fasa wavelet
taper length
wavelet length
Seismogram Sintetik
Koefisien
Refleksi
Well-seismik
tie
Skema proses
pembuatan seismogram
sintetik
Skema proses ekstraksi
wavelet untuk memperoleh
wavelet dengan parameter
terbaik untuk proses well-
seismic tie
SKEMA PROSES EKSTRAKSI WAVELET & PEMBUATAN SEISMOGRAM
SINTETIK

60. Spektrum Seismik
Spektrum Seismik Rp
Spektrum Seismik Rs

61. MERUBAH DOMAIN OFFSET PADA CDP
GATHER MENJADI DOMAIN SUDUT (ANGLE
GATHER)
V = kecepatan rata-rata
to = total waktu tempuh zero ofset
2
Vto
Z =
Vto
X
=θtan 



= −
Vto
X1
tanθ
Z
X
2
tan =θ
θθ =sudut datang,=sudut datang,
X =X = offsetoffset
Z = kedalamanZ = kedalaman

62. Perbandingan Berbagai Aproksimasi
R(θ)
θ
Error
R(θ)
θ
Aproksimasi Aki Richard
Zoeppritz
AproksimasiFatti

63. The Two-Term Aki-Richards Equation
Intercept / gradient analysisIntercept / gradient analysis is done with the two-term Aki-Aki-
Richards equationRichards equation. Recall that:
θθ 2
sinBA)(R +=
Where we have dropped the C term and define A and B as:
,
V
V
2
V
V
V
V
4
V
V
2
1
B
2
P
S
S
S
2
P
S
p
P
ρ
ρ∆∆∆






−





−=,
V
V
2
1
A
p
P








+=
ρ
ρ∆∆

64. Approximate Aki-Richards
Assuming that VP/VS = 2 in the full Aki-Richards equationAki-Richards equation:
Thus, the S-wave reflectivityS-wave reflectivity can be estimated as follows from the
intercept and gradient:






+==−=
−−+=−−=






−





−=
ρ
ρ∆∆
ρ
ρ∆∆
ρ
ρ∆∆
ρ
ρ∆∆∆
ρ
ρ∆∆∆
S
S
SPSP
S
S
p
P
S
S
p
P
2
P
S
S
S
2
P
S
p
P
V
V
2
1
Rand,AR:where,R2R
V
V
2
1
V
V
2
1
2
1
V
V
V
V
2
1
V
V
2
V
V
V
V
4
V
V
2
1
B
( )BA
2
1
RS −=

65. Sparse Spike Inversion
Sparse Spike Inversion assumes that the actual reflectivity can be thought
of as a series of large spikes embedded in a background of small spikes:
Sparse Spike Inversion assumes that only the large spikes are
meaningful. It finds the location of the large spikes by examining the
seismic trace.

66. The amplitudes of the impedance blocks are determined using the
model-based inversion algorithm.
Sparse Spike Inversion builds up the reflectivity sequence one
spike at a time. Spikes are added until the trace is modeled
accurately enough:

67. SEISMIC  lack of low and high frequency content
Low frequency constraint
 well log trend
High frequency constraint
 assumption of layered geology (Sparse Reflectivity)

68. Low frequency constraint
 well log trend
High frequency constraint
 assumption of layered geology (Sparse Reflectivity)
L1-norm
Sparse Spike Inversion
 Levy and Fullagar
(1981)
 Oldenburg (1983)

69. Ilustrasi Sparse Spike
Inversion
0.5 0.6 0.7 0.8 0.9 1 1.1 1.2
-0.05
-0.04
-0.03
-0.02
-0.01
0
0.01
0.02
0.03
0.04
0.05
time (s)
seismic trace
0.5 0.6 0.7 0.8 0.9 1 1.1 1.2
0
2000
4000
6000
8000
10000
12000
time (s)
model impedance

70. Ilustrasi Sparse Spike
Inversion

71. Ilustrasi Inversi L1-norm Sparse Spike :
Sparseness
-0.5
0
0.5
estimated RC : α = 5 %
0
5000
10000
estimated impedance : α = 5 %
-0.5
0
0.5
estimated RC : α = 20 %
0
5000
10000
estimated impedance : α = 20 %
-0.5
0
0.5
estimated RC : α = 50 %
0
5000
10000
estimated impedance : α = 50 %

72. Ilustrasi Proses Seismik
Inversi
EARTH
EARTHAI
Seismic Section/ Wavelet = AI
The Making
of Seismic
Section
Seismic
Inversion
Process
Seismic Inversion
For Reservoir
Characterization
EARTH
EARTHAI
Seismic Section/ Wavelet = AI
The Making
of Seismic
Section
Seismic
Inversion
Process
Seismic Inversion
For Reservoir
Characterization

73. Diagram Forward & Inverse
Modelling
Input
Process
Output
EARTH MODEL
MODELING
ALGORITHM
SEISMIC
RESPONSE
EARTH MODEL
MODELING
ALGORITHM
SEISMIC
RESPONSE
Model
control
INVERSE MODELLING
(INVERSION)
Input
Process
Output
EARTH MODEL
MODELING
ALGORITHM
SEISMIC
RESPONSE
EARTH MODEL
MODELING
ALGORITHM
SEISMIC
RESPONSE
Model
control
INVERSE MODELLING
(INVERSION)FORWARD MODELLING