Handbook pengerjaan/pengolahan data seismik laut menggunakan software berbayar Promax

APLIKASI PENGOLAHAN DATA SEISMIK 2D MARINE DENGAN MENGGUNAKAN METODA FK FILTER ,SURFACE RELATED MULTIPLE ELIMINATION (SRME) DAN RADON FILTER 2015

Dalam kegiatan pengembangan teknologi,Dalam hal ini merupakan

kegiatan lanjutan dari proses akusisi. Data seismik yang diperoleh dari kegiatan

akusisi, adalah data yang belum terolah (raw data) sehingga diperlukan

beberapa tahapan pengolahan (Processing) untuk mendapatkan gambaran

kondisi atau penampang seismik bawah permukaan sampai mendekati kondisi

sebenarnya. Adapun pengolahan data yang dilakukan di atas kapal (onboard

processing) hanyalah bersifat sementara yang tujuannya untuk mengetahui

seberapa baik kualitas data yang diperoleh dari akusisi.

Untuk mendapatkan penampang seismik yang baik dan presisi, maka

diperlukan pengolahan data yang lebih sistematis. Proses ini pada umumnya

memakan waktu yang relatif cukup lama dengan menggunakan perangkat lunak

tertentu yang disertai perangkat keras yang memiliki kemampuan pemrosesan

yang cepat dan kapasitas penyimpanan data yang besar. Pada dasarnya

pengolahan data seismik bersifat relatif, proses yang dilakukan amat bergantung

dari kebutuhan dan kualitas data.

Setelah tahap processing selesai tahap selanjutnya adalah tahap

interpretasi yang merupakan tahap akhir dari pengolahan data seismik. Secara

umum proses interpretasi bertujuan untuk menterjemahkan penampang seismik

dalam analisa atau bahasa geologi.


Dari penjelasan di atas maka harus dibuat flowchart baru perlu diciptakan untuk

mengatasi hal tersebut.

1. Input data

Input data merupakan proses pemasukkan data kedalam software dan reformatting

data ke dalam format software (seg-y promax).

2. Geometry

Geometry dilakukan untuk menggabungkan data seismic dengan desain akuisisi

yang dilakukan. Karena data seismic hanya menyimpan data berupa FFID, shot

point, dan channel perlu ditambahkan data lain sepert shot point koordinat, CDP,

offset dan lainnya untuk mempermudah proses pengolahan data.

3. Editing

Editing dilakukan untuk menghilangkan trace-trace yang dianggap error dan

menghilangkan gelombang yang dapat mengganggu proses pengolahan data

(gelombang langsung dan gelombang refraksi).

4. Filtering

Filtering adalah proses pemilihan frekuensi yang akan digunakan dalam

pengolahandata selanjutnya. Frekuensi perlu untuk dipilih untuk menghasilkan

data yang bebas noise.

5. FK filter

FK filter merupakan filter yang mengkoheren linier pada persamaan gelombang

dengan domain ruang-waktu (t-z), ditransformasikan ke dalam domain frekuensi-

bilangan gelombang akibat kehadiran lintasan miring (dip). noise koheren berupa

ground-roll, gelombang langsung dan gelombang bias yang secara umum

Input data Geometry

Editing (muting, killing)

FK Filter

Filtering

Dekonvolusi

Velocity analysis

srme STACK

radon


merupakan refleksi pertama dalam data seismik. Noise pada jenis ini dapat

ditangani dari energi refleksi dalam domain f k. Kelebihan metode ini adalah

waktu komputasi yang cepat dan dapat meresolusi struktur dengan kemiringan

yang curam, dan dapat dilakukan pada data dengan rasio signal to noise yang

rendah (data buruk). Dan diharapkan dapat merubah rasio singnal to noise

menjadi tinggi (data baik)

6. Deconvolusi

Deconvolusi dilakukan untuk mempertajam sinyal refleksi dan menghilangkan

multiple jarak pendek.

7. Velocity Analysis

Velocity analisis merupakan proses penentuan kecepatan bawah permukaan

berdasarkan data seismic yang dimiliki.

8. Stack

Merupakan proses penggabungan beberapa trace seismic dalam satu CDP yang

sama guna menghasilkan suatu penampang bawah permukaan.

9. SRME

SRME adalah metoda untuk menghilangkan energi multiple yang dihasilkan oleh

batas air-udara. Multiple yang dihasilkan oleh batas air-udara ini kadang-kadang

sangat sulit dihilangkan dengan menggunakan metoda demultipel konvensional

seperti Radon ataupun Tau-P (Geotrace).Metoda SRME memiliki tiga tahap

utama: pertama, menghilangkan noise non fisis, regulasisasi data sehingga

diperoleh grid sumber-penerima yang konstan, interpolasi near dan intermediate

offset yang hilang, menghilangkan gelombang langsung dan gelombang

permukaan. Kedua: prediksi multiple, prediksi ini didasarkan pada observasi

bahwa multiple yang terkait dengan permukaan

dapat diprediksi melalui konvolusi temporal dan spasial dari data itu sendiri

(Berkhout, 1982). Ketiga: data input dikurangi dengan multiple yang terprediksi

pada tahap dua (Long et al., 2005).


INPUT DATA DAN REFORMATTING DATA

1. Input dan reformatting data berdomain SEG-Y

Data dengan format SEG-Y merupakan format data standard yang digunakan

dalam pengolahan data seismic. Data dalam format ini setidaknya telah

mengalami satu kali reformatting ke dalam domain software apapun.

Gambar 1. Flow input data.

File output


Gambar 2. Parameter input data

GEOMETRY

Geometry adalah proses penggabungan data parameter akuisisi dengan data

seismic. Hal ini dilakukan karena data seismic hasil rekaman di lapangan hanya akan

mengandung data SOU_SLOC, FFID, dan channel. SOU_SLOC menunjukkan nilai

station, FFID menunjukkan nomor tembakan, dan channel menunjukkan channel yang

aktif dalam perekaman data seismic. Untuk mempermudah penyajian data dalam

pengolahan data parameter akuisisi lain perlu di tambahkan dalam data seismic seperti

koordinat shot point, koordinat receiver, koordinat CDP, penomoran CDP, offset, dan

lainnya. Oleh karena itu geometry perlu dilakukan.

Geometry pun sangat penting dalam menentukan posisi sebenarnya lintasan yang

diakuisisi. Tanpa geometry yang benar lintasan pun akan meleset dari posisi yang

seharusnya, tentu saja hal ini tidak boleh sampai terjadi.

Input dari

Pilih file


Langkah proses geometry :

1. Memasukkan parameter akusisi

Parameter akuisisi dimasukkan untuk membangun skema geometry. Parameter

yang dimasukkan antara lain source depth, stremer depth, azimuth/ship direction,

receiver interval, shot interval, near channel, far channel, offset, first station,

station increment, dan channel increment.

Gambar 3. Flow geometry


Gambar 4. Setup parameter

Gambar 5. Auto2D parameter

Rec. int

Shot. int

Sail direction

Gun depth

Streamer depth

Near channel

Far channel

Channel inc.

Min. offset

Receiver int.

Jumlah shot

1st SOU_SLOC

SOU_SLOC inc

Direction

Shot int.


2. Tabel source

Tabel source merupakan tabel untuk memeriksa parameter yang sudah kita

masukkan. Table ini mengacu pada source, termasuk koordinat X dan Y. Data-

data yang berada di dalam table ini adalah data dari hasil setingan pada prosedur

sebelumnya, yaitu Setup dan Auto-2d. Data tersebut belum sesuai dengan

koordinat lintasan yang sebenarnya sehingga perlu disesuaikan dengan data

UKOOA.

Gambar 6. Table source.

3. Binning

Binning merupakan proses perhitungan CDP number, koordinat, dan lainnya

sampai dapat terbangun database dalam ProMAX. Tahap ini dilakukan dalam 3

tahap, antara lain terdapat pada gambar di bawah ini (gambar 6,7 dan 8).


Gambar 7. Penyocokan pattern dan source.

Gambar 8. Binning dan penomoran CDP.


Gambar 9. Finalisasi.

4. Penggabungan data seismic dan desain geometry.

Setelah desain geometry terbangun terakhir adalah menggabungkannya dengan

data seismic. Gambar 10 menunjukkan flow penggabungan kedua data tersebut.

Gambar 10. Flow penggabungan data seismic dan desain geometrynya.


TRACE EDITING

Editing trace merupakan proses menghapus data-data yang dianggap rusak ataupun dapat

mengganggu dalam proses pengolahan data selanjutnya. Editing trace dibagi menjadi 2

yaitu:

1. Trace Muting

Trace muting merupakan proses menghilangkan nilai amplitude gelombang yang

dianggap akan mengganggu proses pengolahan data selanjutnya seperti

gelombang langsung dan gelombang refraksi. Proses trace muting ini adalah

dengan mengalikan amplitude gelombang yang terpilih dengan nol.

2. Trace Killing

Trace killing merupakan proses menghapus 1 atau lebih trace yang dianggap error

pada saat akuisisi dilakukan. Seperti receiver yang terlalu noisy. Proses trace

killing ini sama dengan proses trace muting yaitu mengalikan amplitude

gelombang dengan nol.

Dalam data Sumatra line 216 terdapat trace yang rusak sehingga perlu dilakukan

killing pada terce 12,24,60,96,132,168,204,dan 240.


Gambar 11. Membuat file parameter muting.

Gambar 12. Sebelum dan setelah trace muting.

Gambar 13. Flow trace muting.

BANDPASS FILTER DAN SPECTRAL ANALISIS

Dengan menggunakan perangkat lunak ProMAX 2D ver. 5000.0.0.0

File mute


(Landmark Graphic Co.), pembangunan rentang frekuensi bandpass filter

dilakukan dengan menggunakan flow sebagai berikut.

1. Data

Data yang dijadikan input adalah shot gather yang sudah dilakukan

geometry sebelumnya dan belum dilakukan editing agar dapat melihat

seluruh kandungan frekuensinya.

2. Spectral Analysis

Spectral analysis dilakukan untuk melihat kandungan frekuensi dalam

data. Dari spectral analysis ini kita dapat melihat frekuensi dominan yang

terkandung, frekuensi yang bersifat noise, sehingga dapat menentukan

desain frekuensi yang akan dipergunakan. Berikut flow untuk melakukan

spectral analysis.

Gambar 14. Flow spectral analysis.

Hasil flow

sebelumnya Spectral

Analysis

Bandpass

Filter

Hasil bandpass


Yang perlu diperhatikan adalah mengisi number of traces per analysis

location sebesar banyaknya channel yang aktif saat akuisisi.

Gambar 15. Spectral Analysis.

Frekuensi yang digunakan pada umumnya adalah yang berada diatas 3 dB.

Karena frekuensi ini dianggap frekuensi sinyal dan frekuensi dominan

pada data. Desain frekuensi yang digunakan untuk bandpass gambar di

atas adalah 5-10-80-160 Hz.

5

10 80

160


3. Bandpass filter

Setelah desain bandpass dibangun, aplikasikan bandpass dengan flow

sebagai berikut.

Gambar 16. Flow aplikasi bandpass filter.

FK FILTER

FK filter merupakan filter yang mengkoheren linier pada persamaan gelombang

dengan domain ruang-waktu (t-z), ditransformasikan ke dalam domain frekuensi-

bilangan gelombang akibat kehadiran lintasan miring (dip). noise koheren berupa ground-

roll, gelombang langsung dan gelombang bias yang secara umum merupakan refleksi

pertama dalam data seismik. Noise pada jenis ini dapat ditangani dari energi refleksi

dalam domain f k. Kelebihan metode ini adalah waktu komputasi yang cepat dan dapat

meresolusi struktur dengan kemiringan yang curam, dan dapat dilakukan pada data

dengan rasio signal to noise yang rendah (data buruk). Dan diharapkan dapat merubah

rasio singnal to noise menjadi tinggi (data baik)


Gambar 17. Flow fk filter.

Gambar 18. parameter fk filter.

DECONVOLUTION

Perangkat lunak yang digunakan untuk melakukan proses dekonvolusi ini adalah

ProMAX 2D ver. 5000.0.0.0 (Landmark Graphic Co.). Dekonvolusi yang digunakan

adalah Predictive Deconvolution.

Pada umumnya proses dekonvolusi digunakan untuk meningkatkan broadband frekuensi

data seismik, membuat wavelet menjadi lebih spike, dan mengatenuasi keberadaan


multiple. Namun, dekonvolusi yang dilakukan pada data Makassar bertujuan untuk

mempertajam image bawah permukaan dengan membuat wavelet menjadi lebih spike

sehingga memilki resolusi yang lebih tinggi. Setelah melakukan observasi terhadap data

melalui penampang single channelnya, data Makassar tidak terlalu dipengaruhi oleh

keberadaan multiple akibat seafloor sehingga dekonvolusi tidak dilakukan untuk

mengatenuasi multiple.

Keefektifan proses predictive deconvolution akan sangat tergantung dari 2 parameter

dekonvolusi yaitu parameter lag () dan parameter length (n). Kedua parameter ini

didapatkan dari autokorelasi masing-masing trace data seismik. Untuk mendapatkan nilai

yang optimum perlu dilakukan trial and error beberapa nilai parameter yang kemudian

dibandingkan dan diambil sesuai dengan hasil yang paling baik. Parameter yang optimum

adalah parameter yang mampu mempertajam spike sehingga image bawah permukaan

menjadi lebih baik dan menambah broadband frekuensi.

Berikut flowchart dekonvolusi :

Setelah dilakukan autokorelasi dan penentuan parameter , n (lihat TN autokorelasi dan

TN penentuan parameter predictive deconvolution), barulah proses predictive

deconvolution dilakukan. Untuk dapat melakukan dekonvolusi diperlukan time gate

dekonvolusi. Time gate ini berfungsi sebagai selang waktu dimana wavelet akan

diekstraksi dari data seismic untuk selanjutnya digunakan dalam proses dekonvolusi.

Pembuatan gate dekonvolusi

Pembuatan gate dekonvolusi hampir sama dengan gate autokorelasi. Bedanya adalah

untuk gate dekonvolusi menggunakan dua layer. Rentang waktu ini adalah zona untuk

mengekstrak wavelet.

Shot gather

(seg-y)

Autokorelasi , n

Predictive

Deconvolution

Shot gather

(seg-y)


Gambar 19. Flow picking time gate dekonvolusi.

Gambar 18. Picking time gate, masukkan nama file untuk menyimpan hasil

picking.


Gambar 20. Picking time gate untuk layer 1 (biru), kemudian klik kanan untuk

new layer dan lakukan picking yang layer 2 (merah).

Proses Dekonvolusi

Dekonvolusi menggunakan data dengan format shot gather yang sudah dilakukan

bandpass dan muting. Masukkan nilai dan n. Lakukan berulang kali dan simpan data

pada file yang berbeda untuk kemudian dibandingkan.

Gambar 21. Flow predictive deconvolution, masukkan nilai parameter dan n

serta file picking time gate.


VELOCITY ANALISIS

Velocity analisis merupakan tahapan processing yang paling penting karena merupakan

faktor yang paling menentukan dari hasil (penampang) yang akan dihasilkan. Velocity

analisis merupakan tahapan processing untuk mendapatkan penampang kecepatan bawah

permukaan. Kecepatan ini kemudian dapat dipakai untuk berbagai macam process seperti

true amplitude recovery, NMO correction, dan migrasi. Tahapan velocity ini dapat

dilakukan berulang-ulang sehingga mendapatkan penampang kecepatan yang terbaik.

Banyak metoda untuk melakukan velocity analisis diantaranya constan velocity analysis,

coherency, dan semblance. Metoda yang digunakan dalam pengolahan data ini adalah

metoda semblance.

Dengan menggunakan perangkat lunak ProMAX 2D ver. 5000.0.0.0 (Landmark Graphic

Co.), berikut flow velocity analisis.

1. Data

Data yang menjadi masukkan dalam process velocity analisis haruslah data hasil

preprocessing terbaik sehingga tidak ada keambiguan saat menentukan nilai kecepatan.

Data hasil preprocessing terbaik adalah data yang sudah dilakukan geometry, editing

(muting, trace edit), true amplitude recovery, bandpass, dekonvolusi sehingga data akan

bebas dari ambient noise serta multiple jarak pendek.

1. Supergather

Data hasil preprocessing terbaik tadi kemudian diubah dalam bentuk

supergather untuk kemudian dipakai dalam perhitungan semblance yang

menjadi dasar velocity analysis.

Data Supergather

Velocity

Analysis

Velocity

Section


Gambar 22. Flow velocity analysis

Perlu diperhatikan, nilai maximum fold harus disesuaikan pada data yang

dapat dilihat pada database dan nilai minimum dan maksimum CDP

disesuaikan dengan data.

Gambar 23. Fold coverage database.

2. Velocity analysis

Sebelum melakukan picking velocity, diperlukan perhitungan semblance

terlebih dahulu yang parameternya disesuaikan dengan keadaan data.

Perhitungan itu disebut precomputed. Sebelum precomputed data seismik di

AGC untuk meratakan nilai semblance, sehingga mempermudah saat picking

velocity.

Terdapat beberapa parameter yang perlu untuk disesuaikan antara lain :

- Absolute offset of first bin center = near offset (m)


- Maximum offset = (jarak antar rec x jumlah rec) + near offset (m)

- Minimum semblance analysis value = di bawah kecepatan air laut (data

laut), bawah kecepatan lapisan pertama (data darat) (m/s)

- Maximum semblance analysis value = di atas kecepatan tertinggi lapisan

(data laut/darat) (m/s)

Gambar 24. Parameter precomputed.


Surface Related Multiple Elimination (SRME)

Di dalam software proMAX V.5000 untuk melakukan proses SRME terdapat 5

modul yang digunakan, yaitu:

1. Weinman SRME regularization

2. Weinman SRME Macro

3. WEinman SRME Un-Regularization

4. Weinman Match Filter

5. Weinman Adaftive

Kelima modul tersebut dijalankan secara berurutan mulai dari Weinman SRME

regularization sampai dengan Weinman Adaftive, untuk menjalankan modul

tersebut data yang akan digunakan adalah data prepocesing yang telah terbebas

dari direct wave.

1. Weinman SRME regularization

Modul ini merupakan modul yang akan mengatur ensemble ensemble untuk

tahapan metode SRME, hal yang paling penting adalah pada data yang akan

digunaka untuk SRME adalah offsetnya harus naik secara teratur, hal ini

sangat perpengaruh dalam tahapan regularization sehingga trace trace yang

akan diregularization akan terektrapolasi dari awalnya offset minimum

menjadi offset nol. Dalam hal ini dibutuhkan velocity RMS

Input

Data inputa yang dibutuhkan adalah ensemble trace yang di-sort dalam

AOFFSET.

Perameter yang digunakan

- Primary key adalah SIN( source index number)

- Offset increment

- maximum offset

- velocity


Gambar 25. Weinman SRME regularization

2. Weinman SRME Macro

Modul ini merupakan modul yang akan mengkonvolusi atra trace yang dapat

memprediksi multiple permukaan . pada modul ini proses perhitungan nya

cukup lama sehingga diharapkan menggunakan PC atau workstation yang

stabil sehingga tidak terjadi eror pada data.

Gambar 26. Weinman SRME macro

Input

Data input yang dibutuhkan adalah hasil dari proses SRME

regularization yang offsetnya telah teratur mulai dari no sampai


maksimum.


- Primary key adalah SIN( source index number)

- nilai maksimum lama perekaman trace

- nomor max shot

- nilai maxsimim frek multiple yang akan diproses

- nama file header dari trace

- panjang taper yang akan digunakan

- frekuensi taper yang akan diterapkan

- perbandingan antara interval shot dan receiver

Outpot

Adalah model dari prediksi multiple dari offset nol hingga maxsimum

3. Weinman SRME Un-Regularization

Dalam modul ini merupakn modul yang akan menggabungkan data prepro

dengan model prediksi multiple dari hasil macro. Dikarenakan kedua offset

dari inputan berbeda, maka akan dikembalikan dari offset nol ke offset

minimum.

Input

Data input yang dibutuhkan adalah data preprocessing dan hasil dari

proses SRME macro


- parameter kecepatan,yaitu hasil dari velan

Outpot

Adalah gabungan dari data awal yaitu pre-processing dengan data

model prediksi multipel


Gambar 27. Weinman SRME un-regularization

4. Weinman Match Filter

Modul ini akan menyelaraskan ensemble yang memiliki gabungan data input

awal dan data prediksi multiple. Keberhasilan dari modul ini sangat

berpengaruh pada parameter parameter yang akan digunakan.

Gambar 28. Weinman SRME Match Filter


Input

Data input yang dibutuhkan adalah hasil dari proses SRME Un-

Regularization


- urutan dari input yang terletak pada msing masing ensemble,

terdapan 4 pilihan yaitu :

DDDNNN = data input dan model prediksi multipel

DNDNDN = data input dan model prediksi multiple terletak

bergantian

NNNDDD = model prediksi multiple dan data input

NDNDND = prediksi multiple dan data input terletak bergantian

- penentuan waktu awal yang didesain sebagai offset nol

- picking horizon

- panjang window yang akan digunakan

- penyesuaian nilai kecepatan pada awal window

- offset minimum

- offset maxsimum

- panjang filter yang akan digunakan

Outpot

Adalah gabungan dari data awal yaitu ensemble dengan data awal

yang tidak berubah dengan model prediksi multiple yang telah

dikenakan adiptif filter

5. Weinman Adaftive Subtraction

Dalam rangkain proses SRME , modul Weinman Adaftive Subtraction

merupakan modul yang paling terakhir dijalankan. Prinsip dari modul ini

merupakan pengurangan adaptif dengan harapan pada ensemble yang akan

dikeluarkan nanti telah terbebas dari multiple.


Gambar 28. Weinman SRME Adaftive Subtraction

Input

Data input yang dibutuhkan adalah hasil dari proses SRME Macth

Filter


- urutan dari input yang terletak pada msing masing ensemble,

terdapan 4 pilihan yaitu :

DDDNNN = data input dan model prediksi multipel

DNDNDN = data input dan model prediksi multiple terletak

bergantian

NNNDDD = model prediksi multiple dan data input

NDNDND = prediksi multiple dan data input terletak bergantian

- pilihan keluaran yang akan digunakan

Signal = keluaran adalah estimasi signal yang terbebas dari

noise

Noise = keluaran adalah model prediksi multiple yang telah di

filter

Both = gabungan dari noise dan signal

Outpot

Adalah esemble yang sesuai dari pilihan keluaran yang ditentukan di atas


STACK

Stack merupakan proses menjumlahkan trace-trace seismic dalam satu CDP setelah

dikoreksi NMO. Oleh karena itu, diperlukan kecepatan untuk melakukan proses ini.

Kecepatan yang digunakan merupakan kecepatan terbaik hasil velocity analisis untuk

selanjutnya digunakan dalam koreksi NMO. Berikut flowchart stack :

1. Input data

Data masukkan untuk melakukan stacking adalah CDP gather yaitu gather seismic

yang disort CDP pada primary header dan aoffset pada secondary offsetnya.

Gambar 29. input proses stacking.

Input data

CDP gather

Koreksi

NMO

Stacking

proses

Output

Stack section


2. Koreksi NMO

Koreksi NMO adalah koreksi waktu gelombang untuk menghilangkan fungsi

jarak, sehingga setiap trace dalam satu CDP merupakan zero offset.

Gambar 30. Flow proses stacking.


Gambar 29. Stack sebelum diSRME

Gambar 29. Stack sesudah diSRME


RADON FILTER

Proses filter radon umumnya dilakukan untuk menghilangkan multiple periode

yang panjang. Teknik yang digunakan adalah dengan memisahkan multiuple dan sinyal

primer pada data seismic berdasarkan moveout-nya. Filter radon dengan domain time vs

moveout akan menampilkan nilai- nilai residual moveout dimana nilai di bagian sebelah

kanan (lebih besar dari nol) merupakan indikasi adanya energy multiple. Bagian yang

dianggap multiple tersebut kemudian dipotong dan dipisahkan dari data primer. Masukan

dari proses ini adalah data yang telah dilakukan proses NMO dengan header primer

berupa cdp gather dan header sekunder nya berupa absolute value of offset, karena

penentuan residual moveout tersebut tergantung pada hasil NMO.

Transformasi Radon yang dipakai adalah transformasi radon hiperbolik atau

parabolic sehingga semua event yang berbentuk hiperbolik akan terkena proses ini. Untuk

melihat kenampakan domain radon yang mengelompokan secara terpisah anatar sinyal

dan multiple berdsarkan moveoutnya, Dilakuakan proses radon analysis.

Dengan menggunakan perangkat lunak ProMAX 2D ver. 5000.0.0.0 (Landmark

Graphic Co.), berikut flow Radon Filter

3. Data

Data yang menjadi masukkan dalam process Radon Filter haruslah data hasil

preprocessing terbaik sehingga tidak ada keambiguan saat menentukan nilai

kecepatan. Data hasil preprocessing terbaik adalah data yang sudah dilakukan

geometry, editing (muting, trace edit), true amplitude recovery, bandpass,

dekonvolusi sehingga data akan bebas dari ambient noise serta multiple jarak

pendek.

Disk Data

Input NMO Interactive

Radon

Radon

Filter


4. NMO

Koreksi NMO adalah koreksi waktu gelombang untuk menghilangkan fungsi

jarak, sehingga setiap trace dalam satu CDP merupakan zero offset

Gambar 30. Flow Radon Filter

5. Interactive Radon

Sebelum dilakukannya Radon filter step yang harus dilewati adalah

interactive radon atau radon analisa. Dimana pada tahap ini adalah bertujuan

untuk mengelompokan multiple dan sinyal data seismic berdasarkan moveout

nya sebelum dilakukan Radon Velocity Filter.


Gambar 31. Interactive Radon

Gambar 32. Interactive Radon

6. Radon Filter

Pada parameter number of P-Value di isi oleh angka yang lebih besar dari fold

maksimum. Parameter minimum of P-Value of interest biasanya diisi -100,hal

ini untuk mengatasi refleksi promer yang mengalami overcorrected,


Sedangkan parameter maximum p-value interest kurang dari nilai maximum

offset dibagi dengan kecepatan RMS minimum.

Gambar 33. Radon Parameter Selection

Handbook pengerjaan/pengolahan data seismik laut menggunakan software berbayar Promax

Documents

Transcript of Handbook pengerjaan/pengolahan data seismik laut menggunakan software berbayar Promax