Vous êtes sur la page 1sur 8

Adeline Susanto [12308028] | Muhammad Fadhillah Akbar [12308036] | Analisis Sinyal Geofisika

Ekstraksi Wavelet

ABSTRAK
Wavelet dalam data seismik dapat diperkirakan dengan pendekatan semi-deterministik di mana berbagai bagian dari log sonik berkorelasi dengan bagian yang sesuai data seismik. Pengukuran secara statistik digunakan untuk memperkirakan karakteristik waveletnya. Metode "Dekonvolusi stratigrafi" digunakan untuk mempelajari karakteristik fasa wavelet seismik. Metode ini mengekstraksi wavelet seismik dengan mengkorelasikan data seismik dengan data well-log dari well terdekat, yang dapat memberikan informasi objektif dari wavelet pada lokasi tersebut.

Ide Dasar Kata Wavelet diberikan oleh Jean Morlet dan Alex Grossmann diawal tahun 1980an, dan berasal dari bahasa Perancis, ondelette yang berarti gelombang kecil. Kata onde yang berarti gelombang kemudian diterjemahkan ke bahasa Inggris menjadi wave, lalu digabung dengan kata aslinya sehingga terbentuk kata baru wavelet. Sedangkan pengertian wavelet secara lebih khusus dalam hal pengolahan sinyal adalah fungsi matematika yang memotong-motong data menjadi kumpulan-kumpulan frekuensi yang berbeda, sehingga masing masing komponen tersebut dapat dipelajari dengan menggunakan skala resolusi yang berbeda. Ekstraksi secara umum adalah proses menghilangkan atau mengambil sesuatu. Salah satu langkah saat memproses data seismik adalah menentukan bentuk wavelet yang dihasilkan oleh gelombang-gelombang yang mempengaruhi hubungan dengan koefisien refleksi positif. Wavelet dapat juga diekstrak dengan menggunakan model untuk refleksi pada jejak seismik seperti seismogram sintetik. Sebuah wavelet dihasilkan dengan

mendekonvolusikan jejak seismik dengan sekumpulan koefisien refleksi dari seismogram sintetik. Proses ini juga dapat dikatakan sebagai ekstraksi wavelet deterministik. Wavelet dapat diekstrak dengan membangkitkan spektrum data. Dengan membuat beberapa asumsi, seperti spektrum mengandung informasi tentang wavelet dan waveletnya memiliki fasa tertentu (minimum, nol), sebuah wavelet dapat dibuat. Sehingga pengertian ekstraksi wavelet adalah prosedur untuk menentukan wavelet yang akan digunakan dalam pembuatan seismogram sintetik dari hasil konvolusi dengan koefisien refleksi dari data lain (misalnya data sumur).

Adeline Susanto [12308028] | Muhammad Fadhillah Akbar [12308036] | Analisis Sinyal Geofisika

Fasa Wavelet
Tujuan umum dari proses pengolahan wavelet atau program dekonvolusi dapat disimpulkan pada Gambar 1. Pada proses pengolahan wavelet, kita tidak mengeluarkan sifat reflektifitasnya saja, namun rekaman outputnya yang secara sederhana ialah wavelet output dikonvolusi dengan reflektifitas ditambah beberapa noise baru. Proses pengolahan wavelet berhasil jika ketiga syarat tersebut dipenuhi: o o o Wavelet output harus zero-phased untuk memastikan resolusi optimum dan memudahkan interpretasi. Wavelet output harus broad-band (ekuivalen, pada durasi yang singkat. Cth: Spiky) Rasio signal-to-noise output harus tinggi.

Namun, dekonvolusi yang mengkompresi wavelet dapat memberi hasil yang jauh dari keadaan zero-phased. Gambar 2 dan 3 memberikan penjelasan bahwa spektrim amplitudo yang digabung dengan tiga fasa yang berbeda dapat memberikan wavelet yang berbeda pula. Gambar 2 sebagai domain frekuensi dan Gambar 3 sebagai hasil pada domain waktu. Jika wavelet ini ialah output dari dekonvolusi , hanya wavelet ketiga yang memenuhi syarat zero-phased. Untuk lebih jelasnya perbedaan tersebut, Gambar 4 memperlihatkan rekaman yang didapat dari sonic-log dengan beberapa bagian dari wavelet, dimana semuanya mempunyai spektrum amplitudo yang sama, namun berbeda fasa. Fasa ditunjukkan pada sebelah kanan gambar. Teknik yang akan dijabarkan dibawah bertujuan untuk mengestimasi fasa yang tepat dengan memanfaatkan informasi geologis dalam bentuk data well-log.

Teknik Ekstraksi Wavelet


Dalam model konvolusi, rekaman seismik dapat ditulis dengan bentuk: T=W*R+N dengan T = rekaman seismik W = wavelet R = koefisien sekuen refleksi N = noise Jika sekuen reflektifitas yang didapat dari log berdekatan dengan sekuen reflektifitas yang sebenarnya dari data seismik, dan noise pada data seismik beramplitudo rendah, acak, tidak berkorelasi dengan komponen lain, maka wavelet sebenarnya (W) dipakai untuk seismogram sintetis bersesuaian sedekat mungkin dengan rekaman seismik.

Adeline Susanto [12308028] | Muhammad Fadhillah Akbar [12308036] | Analisis Sinyal Geofisika

Seismogram sintetis dibentuk dari well-log dan dicocokkan dengan data seismik pada well tersebut. Gambar 5 memperlihatkan seismogram yang dibentuk dengan dua wavelet berbeda. Gambar bagian atas ialah seismogram yang dibentuk oleh wavelet Ricker dan walau urutan kejadiannya sudah disesuaikan namun sistetis dan data seismiknya tidak cocok. Gambar bagian bawah menunjukkan seosmogram yang sama namun dari wavelet berbeda. Karena bagian bawah menunjukkan kecocokan yang lebih, maka wavelet bagian bawah lebih baik untuk digunakan dalam mengestimasi wavelet seismik. Dengan mengestimasi wavelet ini, kita lalu menghitung koreksi fasa yang dibutuhkan untuk mengubahnya menjadi zero-phased wavelet seperti pada Gambar 6. Pada gambar ini koreksi fasa diberikan kepada data seismik dan sintetisnya. Efek dari koreksi ini ialah mengubah wavelet hasil ekstraksi menjadi zero-phased dengan spektrum amplitudo yang sama. Secara matematis, permasalahan ekstraksi wavelet dapat diformasi seperti pada gambar 7. Setidaknya secara umum diberikan input dengan urutan A, dan output yang diinginkan ialah urutan B, lalu harus mendesain filter F yang mana F mentransformasi A menjadi B. A*F B

Contoh kasus idealnya pada Gambar 7 ialah, sekuen inputnya sebagai reflektifitas dari welllog, output yang diinginkan ialah rekaman seismik, dan hasilnya ialah wavelet yang teresktraksi. Pada prakteknya tentu kan menunjukkan banyak hasil yang menyimpang, disebabkan karena berbagai eror. Pengalaman menunjukkan bahwa masalahnya pada log, khususnya eror pada konversi kedalaman terhadap waktu, yang menyebabkan hal ini lebih sulit.Contohnya pada Gambar 8, dengan sekuen rekflektifitas sama dengan Gambar 7, namun ada delay waktu 20 ms yang ada pada daerah antara 500 ms dan 700 ms. Rekaman seismiknya sama dengan Gambar 7 namun ada sejumlah kecil noise acak yang ditambahkan. Dalam memperhitungkan shaping-filter kita dapat memilih untuk menggunakan semua bagian log sebagai window, dan Gambar 8 memperlihatkan perbedaan resultan wavelet ketika berbagai macam window kita terapkan. Umumnya ketika kita window cukup lebar untuk melewatkan bagian log yang berisi time-delay, maka akan timbul distorsi pada wavelet seperti kasus pertama pada Gambar 8. Dan apabila window terlalu sempit seperti kasus keempat, akan menghasilkan noise yang lebar. Kasus ketiga dan kedua memperlihatkan lebar window yang selebar mungkin namun tidak melewatkan time-shift pada log, memberikan pendekatan terbaik pada wavelet. Secara umum, kualitas dari wavelet yang diekstraksi bergantung pada lebar dan lokasi penentuan window, artinya ialah mempunyai noise yang minimum, ataupun yang energinya terpusat ditengah. Maka dari itu wavelet hasil ekstraksi bervariasi dengan cross-korelasi antara log dan rekaman seismik, dan konsentrasi energi pada bagian tengah dari cross-korelasi, yang mana megindikasikan bahwa log dan rekaman sebenarnya dihubungkan oleh operator konvolusi.

Adeline Susanto [12308028] | Muhammad Fadhillah Akbar [12308036] | Analisis Sinyal Geofisika

Secara matematis, perhitungan persebaran energi pada wavelet adalah Effective Length yang dijabarkan oleh Berkhout (1977): Dimana = waktu sampel saat i-th = waktu nol pada wavelet = nilai sampel pada i-th Besarnya L tergantung dari pemilihan . Effective lenght pada masing-masing wavelet

ekstraksi dapat dilihat pada Gambar 8. Bila dihitung, kita mendapatkan bahwa effective length semakin berkurang saat wavelet semakin mendekati wavelet sebenarnya (Gambar 7). Penggunaan pendekatan ini pada kasus dilapangan ditunjukkan pada Gambar 9. Diberikan 36 wavelet yang diekstrak dari berbagai macam window dengan menggunakan sebuah rekaman seismik impedance-log. Bagian relevan pada urutan reflektifitas yang digunakan ialah antara 800 ms diperpanjang sampai 1800 ms. Pada daerah dengan lebar 1000 ms ini, 36 window telah dicoba, dengan berbagai macam variasi lebar dari 300 sampai 1000 ms. Hasilnya terdapat pada gambar bagian kiri. Gambar disebalah kanan memperlihatkan berbagai macam window yang digunakan. Dapat dilihat, terutama pada window yang lebih lebar dari 400 ms bahwa bentuk wavelet cenderung konsisten berada di tengah, dengan noise beragam. Empat wavelet diambil sebagai contoh pada gambar bagian bawah. Pada empat wavelet tersebut, dihasilkan bahwa optimun window berada pada 1000 ms 1500 ms, sedangkan yang lebih sempit atau lebih lebar dari itu memperlihatkan noise yang lebih tinggi. Pada prakteknya, prosedur ini dapat diulangi dengan menggunakan beberapa rekaman seismik dari daerah sekitar log. Gambar 10 menunjukkan hasil dari semua wavelet yang diambil dari Gambar 9. Yang diperlihatkan disana hanyalah 40 wavelet pertama dan 40 wavelet terakhir, dengan effective lenght terpendek ialah 64 ms dan terpanjang ialah 156 ms. Pada diagram window kita dapat melihat bahwa wavelet yang lebih bagus datang dari daerah antara 1000 ms 1500 ms, seperti informasi yang ditunjukkan Gambar 8. Akhirnya , 100 wavelet pertama yang telah di urutkan dirata-ratakan untuk membentuk wavelet yang diberikan pada Gambar 10 bagian bawah. Prosedur merata-ratakan ini cenderung menghasilkan effective length yang lebih rendah, begitu juga dengan noise yang semakin tidak berkorelasi. Wavelet akhir ini merupakan wavelet hasil dari ekstraksi wavelet, yang dapat dikatakan

Adeline Susanto [12308028] | Muhammad Fadhillah Akbar [12308036] | Analisis Sinyal Geofisika

sebagai rata-rata wavelet yang berasal dari window dua dimensi, dengan batas dari 1000 ms 1500 ms. Ekstraksi wavelet dapat disimpulkan dengan langkah-langkah berikut: o o o Mengekstraksi wavelet dengan menggunakan window dengan jumlah banyak dengan variasi lebar dan lokasinya. Mengurutkan wavelet dari yang nilai effective length nya terpendek sampai terpanjang. Merata-ratakan wavelet yang effective length nya lebih pendek dari nilai yang ditentukan.

Referensi
Hampson, D., and M. Galbraith. 1981. Wavelet Extraction By Sonic Log Correlation Gunning, J. S. 2007. Wavelet Extraction An Essay in Model Selection and Uncertainty

Adeline Susanto [12308028] | Muhammad Fadhillah Akbar [12308036] | Analisis Sinyal Geofisika

Lampiran

Gambar 3. Time domain. Gambar 1. Wavelet Processing.

Gambar 4. Constant phase synthetics.

Gambar 2. Frequency domain (Neale, 1977)

Gambar 5. Synthetic correlated with seismic data.

Adeline Susanto [12308028] | Muhammad Fadhillah Akbar [12308036] | Analisis Sinyal Geofisika

Gambar 6. Correcting with zero-phased.

Gambar 8. Effect of errors of wavelet extraction.

Gambar 7. Wavelet extraction by least squares shaping filter.

Gambar 9. Wavelet extracted from 36 windows.

Adeline Susanto [12308028] | Muhammad Fadhillah Akbar [12308036] | Analisis Sinyal Geofisika

Gambar 10. Wavelet reordered by using effective length criterian.

Vous aimerez peut-être aussi