PERBANDINGAN PREDIKSI SHEAR-WAVE VELOCITY MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK DENGAN PERSAMAAN CASTAGNA

Abstract

Kecepatan gelombang S merupakan salah satu parameter penting untuk melakukan analisis parameter fisis batuan Menambahkan informasi gelombang S ke informasi gelombang-P sering memungkinkan kita untuk memisahkan seismic signature lithology, jenis cairan pori, dan tekanan pori dengan lebih baik, salah satu penggunaan gelombang S adalah untuk AVO modelling. Pada fisika batuan terdapat sebuah hubungan empirikal antara Vp dengan Vs. Salah satunya adalah hubungan empirikal Castagna untuk kecepatan. Atas dasar pengukuran dari data sumur log, Castagna et al. (1985). Melakukan estimasi nilai Vs menggunakan Castagna diperlukan banyak pertimbangan seperti data log yang lengkap, data mineral dan rasio aspek dari jarak antar pori, konten volume clay. Oleh karena itu, diperlukan suatu pendekatan lain dengan ekspektasi didapatkan sebuah solusi alternatif dari metode Castagna. Prediksi Vs menggunakan Neural network tidak membutuhkan pengetahuan apriori dari mineral matriks batuan dan fluida pada pori batuan(Singh & Kanli, 2016), Bahkan pada keadaan tertentu dengan terbatasnya informasi sehingga mengakibatkan perhitungan yang kurang akurat pada beberapa parameter seperti aspek rasio pada pori, interpretasi kandungan mineral pada batuan dan perhitungan moduli elastik batuan, model neural network mampu memberikan prediksi yang lebih baik dibandingkan model Xu-Payne(Zhang et al., 2020). Melalui pendekatan ini, Perhitungan tersebut dilakukan menggunakan bahasa pemrograman Python yang diharapkan mampu menciptakan model guna menghasilkan prediksi Vs dengan parameter log sebagai input yang optimal.