Tik,
Sekarang merambah ke modeling nih...?
Kalau dari text standard cri-ciri dari beberapa averaging method untuk scale
up well log (atau block well dalam RMS) adalah:
1. Arithmatic. Biasanya dipakai untuk property yang sifatnya 'additive' dan
mempunyai distribusi normal semisal porosity.
2. Geometric. Untuk property yang berdistribusi log normal macam
permeability, terutama horizontal
3. Harmonic. Juga untuk lognormal property, akan bias kearah lower value.
Karenanya sering dipakai untuk vertical permeability.
4. RMS (root mean square), akan memberi bias terhadap high value.
Secara rule of thumb, hasil upscale dari RMS > Arithmatic> Geometric>
harmonic.
Itu rule of thumb nya. Kalau prakteknya, satu-satunya pedoman yang saya pakai
adalah apakah upscale value masih merepresentasikan heterogeneity dari well
log. Untuk QC, bisa pakai histogram atau cummulatif distribution curve atau
yang paling baik adalah di manual overlay sebagai colorfill pada well log.
Kadang-kadang methode unconventional seperti midpoint ataupun random pick
malah memberikan hasil lebih baik dari keempat methode di atas.
Yang jelas, makin rapat vertical layer kita, maka semua metode akan relatif
memberikan hasil yang sama.
Cheers
Oki
kartiko samodro <[EMAIL PROTECTED]> wrote:
Ada beberapa metode untuk mengupscale data log agar sesuai dengan skala grid
model kita.
Yang hendak saya tanyakan metode upscale apa yang paling sesuai untuk data
permeability ?
Apakah aritmetik, geometric atau harmonic ? dan pada kondisi apa kita harus
menggunakan masing masing metode itu ?
mungkin ada paper yang membahas tentang upscale permeability ini.
Terima kasih sebelumnya
---------------------------------
Looking for a deal? Find great prices on flights and hotels with Yahoo!
FareChase.
