INTERPRETASI PATAHAN SEISMIK MENGGUNAKAN DEEP LEARNING: CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN MODEL ARSITEKTUR U-NET PADA F3 BLOCK, NORTH SEA, NETHERLAND
Tujuan mendasar dalam mempelajari pembelajaran ilmu kebumian adalah
memahami struktur internal dari Bumi itu sendiri. Dalam pengamatan citra bawah
permukaan menggunakan seismik refleksi diberikan citra gambaran batas antar
lapisan dua buah medium dan patahan sebagai bidang ketidakmenerusan. Penelitian
ini ditekankan pada kecerdasan buatan dengan menggunakan Convolutional Neural
Network dalam membantu interpretasi seismik pada patahan dengan menggunakan
data seismik F3 dengan tujuan mempercepat interpretasi tersebut dengan akurasi
yang baik. Semua proses dilakukan dengan tahapan Extract, Transform, Load
(ETL) proses, train data dan model arsitektur deep learning U-Net memberikan
hasil memprediksi patahan dan zona rekahan terpisah dengan baik dengan akurasi
(>90) kemudian hasil tersebut dibandingkan dengan picking patahan secara
konvensional yang memakan waktu banyak. Dalam penelitian ini juga dapat
diketahui jumlah labelling memiliki pengaruh dalam hasil prediksi untuk
memisahkan patahan dan zona rekahan.
Kata kunci: convolutional neural network, seismik, kecerdasan buatan, patahan,
rekahan.
URI
https://repo.itera.ac.id/depan/submission/SB2301160104
Keyword