PENGGUNAAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK MENDELINEASI PATAHAN PADA DATA SEISMIK 3D

Abstract

Mengidentifikasi struktur patahan pada data seismik merupakan salah satu komponen penting dalam menganalisis karekterisasi reservoir. Penentuan patahan berpengaruh dalam menemukan trap dalam petroleum system dan jalur migrasi hidrokarbon. Identifikasi patahan dengan metode konvensional kerap sekali bersifat subjektif dan terdapat bias yang mengakibatkan sulitnya menentukan keberadaan patahan secara tepat. Pada saat ini terdapat beberapa metode dalam mengidentifikasi patahan berdasarkan ketidakmenerusan yang dihitung dari atribut seismik. Hasil identifikasi patahan dengan metode ini bergantung dengan nilai reflektifitas dari data seismik yang mungkin saja terdapat noise sehingga identifikasi sesar tidak tepat. Untuk itu, pada penelitian ini digunakan salah satu metode dari cabang keilmuan kecerdasan buatan atau Artificial Intellegence (AI). Metode Convolutional Neural Network (CNN) merupakan salah satu metode AI yang diterapkan khusus untuk data berbentuk visual atau citra. Metode CNN dengan arsitektur U-Net digunakan dalam penelitian ini untuk mengklasifikasi dan menentukan posisi patahan secara otomatis di dalam data seismik 3D. Hasilnya, setelah dilakukan komparasi dengan atribut seismik ant-track, estimasi yang didapatkan dengan metode CNN relatif lebih jelas dalam mengidentifikasi patahan mayor. Metode CNN juga membutuhkan waktu running yang relatif lebih cepat dalam menghasilkan estimasi patahan. Pada data seismik 3D penelitian, hasil estimasi metode CNN memberikan 12 struktur patahan yang diidentifikasi sebagai patahan normal yang memiliki orientasi Barat Laut.