Hasil Pencarian  ::  Simpan CSV :: Kembali

": Walaupun bahan keraktanah memperlihatkan beberapa sifat yang hampir sama denganbatuan sedimen klastik, tetapi dari aspek lithologi bahan ini tidak boleh diklasifikasikan sebagaibatuan. Ketidakpastian mengenai pengkelasan bahan ini boleh menimbulkan beberapa masalahdalam kerja pengorekan keraktanah terutamanya mengenai kaedah pengorekan dan kadarpembayaran. Dalam usaha mengujudkan prosedur menentukan tahap kebolehkorekankeraktanah, kertas kerja ini memperjelaskan beberapa perbezaan dan persamaan asas antarakeraktanah dan batuan sedimen klastik. Data ujikaji makmal dan kerja lapangan menunjukkanbahawa dari segi tektur dan kekuatan, keraktanah menunjukkan persamaan dengan batuansedimen. Walaubagaimanapun, mod pembentukannya tidak memenuhi kriteria untuk dikelaskansebagai batuan. Dengan ini bagi bahan-bahan geologi tertentu, pengkelasan lithologi sahaja tidakdapat menggambarkan kebolehkorekannya. Penilaian tambahan ke atas sifat-sifat bahan jugamerupakan aspek penting yang perlu diambilkira."

"Pembelajaran mesin merupakan ilmu yang mempelajari cara membuat komputer dapat melakukan pembelajaran secara mandiri tanpa dilakukan pemrograman secara eksplisit. Proses identifikasi batuan melalui klasifikasi dan klasterisasi dapat dilakukan menggunakan pembelajaran mesin. Daerah penelitian dilakukan pada wilayah Manjimup, Australia Bagian Barat. Penelitian ini bertujuan untuk menentukan klasifikasi dan klasterisasi mineral batuan menggunakan pembelajaran mesin. berdasarkan data spektral yaitu Short-Wavelength Infrared (SWIR), dan Mid or Thermal Infrared (TIR) yang berasal dari pengukuran spektrum elektromagnetik untuk mengidentifikasi fitur-fitur mineral batuan. Klasifikasi dilakukan menggunakan pembelajaran mesin tersupervisi untuk menentukan akurasi terbaik dengan lima jenis metode, antara lain K-Nearest Neighbors (K-NN), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), dan Multi-layer Perceptron (MLP). Metode SVM menjadi akurasi terbaik pada data SWIR dan metode MLP menjadi akurasi terbaik pada data TIR untuk klasifikasi mineral batuan. Klasterisasi dilakukan menggunakan pembelajaran mesin tidak tersupervisi metode K-Means untuk menentukan kelompok batuan teroptimal berdasarkan informasi geologi yang dimiliki. Tiga kelompok batuan menjadi jumlah kelompok batuan teroptimal berdasarkan informasi geologi yang dimiliki.

---

Machine Learning gives computers the ability to learn without being explicitly programmed. Classification and clustering method used in machine learning able to identifying rocks. The study area is located in the Manjimup region, Western Australia. This study aims to determine the classification and clustering of rock minerals using machine learning. based on spectral data namely Short-Wavelength Infrared (SWIR), and Mid or Thermal Infrared (TIR) collected from electromagnetic spectrum measurements to identify rock mineral features. Classification method used in supervised machine learning able to determine the best accuracy from five types of methods, which are K-Nearest Neighbors (K-NN), Support Vector Machine (SVM), Decision Tree (DT), Random Forest (RF), and Multi-layer Perceptron (MLP). SVM method becomes the best accuracy on SWIR data and the MLP method becomes the best accuracy on TIR data for rock mineral classification. Clustering method used in unsupervised machine learning which is the K-means algorithm able to determine optimal rock clusters based on geological information they have. Three rock clusters become the most optimal number of rock clusters based on the geological information."

"Salah satu bahaya yang sering melanda daerah pengembangan lapangan Panas Bumi adalah gerakan tanah. Secara alamiah daerah panas bumi adalah sangat rentan terhadap pergerakan tanah, karena daerah tersebut umumnya didaerah vulkanik, dimana jalur patahan banyak ditemukan dan kegiatan gempa bumi relatif tinggi. Penelitian ini bertujuan untuk mengidentifikasi penyebaran potensi bahaya gerakan tanah dan mengevaluasi tingkat bahayanya terhadap kegiatan pengembangan Panas Bumi didaerah Wayang Windu, Jawa Barat.Ada enam lokasi potensi bahaya gerakan tanah telah di petakan, menyebar secara tidak teratur di daerah penelitian. Methoda yang digunakan untuk mengevaluasi tingkat bahaya potensi gerakan tanah adalah dengan mengenalisa tingkat ketidakstabilan lereng dari masing-masing lokasi potensi gerakan tanah dan kemuadian mengenalisa tingkat kerugian terhadap property, manusia maupun lingkungan yang mungkin terjadi sebagai akibat gerakan tanah tersebut. Dari hasil penelitian dibuat program yang ter-integrasi untuk pencegahan, mitigasi atau perbaikan dalam rangka mengelola potensi bahaya tersebut.Daftar bacaan : 26 (1977 - 2002)

---

Rock Movement Hazards Analysis at the Wayang Windu Geothermal Development FieldNaturally, geothermal development fields are susceptible to rock movement hazards because the areas are normally developed in volcanic regions, where fault structures are well developed and earthquake occurrence is highly intense. The purpose of this research is to identify the potential rock movement hazards and to assess the potential risk to property, employees, and possibly to the environment at the Wayang Windu geothermal development field, West Java.Six (6) potential rock movement hazards were mapped, geographically disseminated from the north to the south in the field investigation. The method used to assess the level of potential rock movement hazards was to analyze the slope instability of every single potential landslide that was identified and then evaluate the level of potential loss or vulnerability to property, humans, and the environment associated with the identified potential landslides. From the results of the research, we will make a recommendation to management on the best, cost-effective way to manage the potential hazards.References : 26 (1977 - 2002)"

"Tesis ini membahas penentuan penyebaran reservoar batu pasir DST-5 dan DST-6 formasi Gumai dan penyebaran minyak pada reservoar tersebut di lapangan Jura dengan menggunakan pemodelan rock physics serta inversi AVO. Metoda ini digunakan karena diferensiasi litologi reservoir dengan non-reservoir tidak dapat dilakukan dengan menggunakan pemodelan Acoustic Impedance (AI). Karakterisasi reservoar dilakukan dengan analisa crossplot Lambda-Rho dan Mu-Rho sebagai parameter yang paling sensitif dalam membedakan litologi. Karakterisasi fluida dilakukan dengan analisa crossplot menggunakan parameter Lambda-Rho serta menggunakan metoda FRM (Fluid Replacement Modeling) untuk membedakan minyak dengan air. Karakterisasi reservoar dan fluida tersebut dikontrol oleh pengukuran data core pada sumur terdekat yang telah dikorelasikan dengan kondisi geologi bawah permukaan lapangan Jura. Hasil penelitian yang diperoleh berupa peta penyebaran lateral dari reservoar dan minyak di lapangan Jura.

---

The study is focused on the distribution of sandstone reservoir DST-5 and DST-6 and the distribution of oil on Gumai Formation in Jura Field using rock physics modeling and AVO inversion. This work was performed since Acoustic Impedance (AI) can not differentiate the reservoir and non-reservoir rock. The reservoir characterization is analyzed by cross plotting Lambda-Rho and Mu-Rho as a sensitive parameters to differentiate lithology. In addition the fluid characterization is analyzed by cross plotting Lambda-Rho and also using Fluid Replacement Modeling (FRM) to differentiate between oil and water. Those analyses were controlled by core measurement on the adjacent well, which already correlated with sub-surface geological condition of Jura field. The result of this study is a reservoir and oil distribution in Jura field using Lambda-Mu-Rho as sensitive parameters to differentiate lithology and fluid."

"Prediksi tekanan pori merupakan hal yang penting dalam persiapan program pemboran, khususnya jika diprediksi menembus zona gas dangkal. Program pemboran akan mempengaruhi saat penentuan desain selubung pemboran, berat lumpur dan mitigasi tekanan abnormal sebagai bahaya pemboran. Di lapangan ?B?, Cekungan Sumatera Tengah beberapa sumur mengalami tendangan lumpur (kick). Kejadian tersebut yang melatar belakangi studi tekanan pori untuk pemboran selanjutnya. Studi ini ditekankan pada teknik integrasi prediksi tekanan pori dari data sumur, yaitu data pemboran, wireline log, data tekanan formasi dan data seismik 2-D. Saat ini, teknologi seismik dengan dasar teknik geopressure dapat memberikan estimasi tekanan dari data kecepatan seismik dikombinasikan dengan data sumur memiliki tren yang sama. Studi ini menggunakan hasil analisa kecepatan seismik untuk mendapatkan resolusi tinggi kecepatan dalam tiga dimensi. Tahap kalibrasi dilakukan berdasarkan hasil perhitungan tekanan pori dari data sumur dan well log. Metoda Eaton merupakan metoda empiris untuk mengestimasi tekanan pori data log sonik, resistivitas, dan densitas yang dikalibrasi dengan pengukuran tekanan formasi dari data RFT dan DST. Prediksi tekanan pori di Lapangan ?B? dilakukan dapat membuat prediksi di seluruh area lapangan dan berguna dalam desain selubung pemboran, berat lumpur, dan pencegahan untuk drilling hazard.

---

Pore Pressure Prediction is crucial to prepare a safe drilling program especially if there the well will potentially intersect shallow gas zones. It influences casing design, drilling mud weight and mitigation of overpressure as a drilling hazard. In the "B" Block, Central Sumatra Basin several wells have experienced kicks. These kicks led me to conduct a pore pressure study ahead of future drilling. The work more emphasize the technique integrated pore pressure prediction (PPP) brings together well and 2-D seismic data. The study used as input data from drilling data, wireline logs, pressure tests,and 2D Seismic.

Nowadays, seismic technology-based geopressure techniques provide an estimation of pore pressure from seismic velocity combine with well data has a relation in trend.

This study uses velocity analysis result to obtain a high-resolution velocity cube. Afterward, calibrated to pore pressure using well log and drilling data. The Eaton method is an empirical method to estimate pore pressures from sonic, resistivity and density logs which are calibrated to measured pore pressures from RFT and DST. In the "B" Block, the resistivity data did not reliably characterize pore pressure, and density data was incomplete, so the sonic log proved to be the most appropriate source data. Reliable pore pressure distribution required an empirical relationship between pore pressure and velocity. The Bentu Block pore pressure model created in this study allowed us to predict pore pressure throughout the block, and was used to design a drilling program especially for propose delineation wells, casing design, drilling mud weight, and overpressure prediction to prevent drilling hazards."