Ya, bagi yang pernah pasti anda sepemikiran dengan saya bagian yang paling membosankan adalah event detection. Sebelum phase-picking untuk relokasi sumbernya sudah jelas kita harus deteksi event dari data raw yang kadang super noisy. Kurang lebih setengah tahun saya bergelut mengolah data proyek kampus, dan ya, rodo njilehi kalau dikasih tugasnya event detection.

Pengalaman lain dalam mengolah data mikroseismik adalah saat saya KP di Pertamina Geothermal Jakarta, asem, di sinilah rasa sebal saya keluar. Saking canggihnya event-event sudah dipilih secara otomatis oleh software komputer di sana, jadi tugas saya tinggal picking, relokasinya juga sudah otomatis, tinggal bikin program untuk menampilkan hasil olahan software tersebut kedalam tampilan map.

Oke, jadi kok bisa?

Dengan data yang noisy itu program tersebut dapat mencarikan rekaman dan memotongkan data bagian yang ada eventnya?

Setelah saya cari-cari ada banyak metode, seperti: AR-AIC, STA/LTA, MER, dll.

Ok, let's make the program ;)

supaya mudah saya gunakan MATLAB dan acuan yang saya pakai adalah :

Automatic time-picking of first arrivals on noisy microseismic data
Joe Wong, Leija Han, John C. Bancroft, and Robert R. Stewart

Pertama data microseismic anda tersebut di-filter atau "dibenerin" dahulu semisal ada yang kepotong atau rekamannya miring dll. Setelah itu mbuh piye carane data anda diload jadi sebuah rekaman yang lama (pengalaman pernah ngolah data orang rekaman seminggu tapi filenya dipisah-pisah tiap 30 detik kan gak lucu :/ mending di merge jadi rekaman setengah hari atau satu harian).

Oke, sekarang contoh bagaimana kita tahu itu eventnya (belum tentu event yang jadi target ya, pokoknya anomali pada rekaman tersebut). Jika anda menggunakan metode STA/LTA, data rekaman tadi diolah dengan menggunakan persamaan di bawah. Dengan syarat window STA lebih kecil dari LTA.

 

Jika anda menggunakan metode MER, rumus yang digunakan :

  

 Contoh hasilnya yang terdeteksi :

 Dari hasil-hasil di atas untuk deteksi event saya lebih prefer menggunakan yang MER karena dari hasil diatas metode ini dapat beradaptasi lebih baik pada data yang noisy, dan juga perhitungannya lebih ringan dari STA/LTA secara komputasi, apalagi jika window yang dipilih lebih kecil.

Oke setelah data tersebut diolah dengan salah satu metode tersebut, kita ketahui nilai MER atau STA/LTA untuk anomali dan noise memiliki perbedaan nilai, acuan inilah dimana kita ketahui pada bagian itu terdapat event. Anda tinggal membuat perintah mengambil data dengan lebar tertentu pada daerah anomali tersebut. Jadilah program deteksi event pada seismogram ;)

 Kira-kira contoh untuk mengolah menggunakan MER seperti ini :

Oke deh, sekian dahulu..

See ya-

L

Kemarin(dulu banget) udah bahas forward modelling gravity, terus inversinya? 

Karena ada banyak metode kemarin iseng bikin yang menggunakan metode Very Fast Simulated Annealing (VFSA) dan metode inversinya dari si Last & Kubik. Well, hasilnya kira-kira begini :

Iseng-iseng nyoba pakai yang stokastik untuk inversi gravity, yah VFSA-nya lumayan juga lah :/
Ini baru model kotak, kalau model kompleks lebih baik jangan pakai yang stokastik deh karena emang dasarnya profil anomali gravitasi itu bisa mewakili banyak model. Still, memakai cara L&B pun masih perlu dimodifikasi lagi dengan minimisasi fungsi seperti volum, momen inersia dll agar bisa meng-inversi-kan bentuk model yang lebih spesifik.

Wow, lama gak update nih, lagi digalaukan dengan ketidakjelasan status saya setelah lulus dari kuliah. Mau dibilang pengangguran bukan, pekerja tetap juga bukan. Well, lupakan curcol saya hehe..

So, what I have been up to?

Saya masih bolak-balik kampus, selain jadi pegawai honorer untuk riset, saya juga nyambi membantu bapak/ibu S3 membuatkan program untuk kelengkapan riset mereka (C, Fortran, mostly Matlab ). Banyak hal yang saya pelajari seperti filter data Induced Polarization, Simulasi Numerik 3D seismik ,Geometeri Seismik, Poroelastisitas Batuan, dan salah satunya yang paling menarik Global Optimization aka inversi.

Yang jelas inversi itu mengulang perhitungan hasil forward modelling dengan mengganti modelnya sehingga selisih data sintetik dari forward modelling dengan data lapangan, so yang pertama tetap kita harus membuat program forward modelling-nya dahulu. Kalau saya pakai metode di papernya (Last, and Kubik,. (1983)).

Hasilnya kurang lebih seperti ini :

Kebanyakan problem kita saat mau memakai beberapa software geofisika itu support OSnya yang kebanyakan berbasis Linux. Beberapa orang yang kadang males karena sudah terbiasa memakai windows (seperti saya, males je wis jatuh cinta sama windows xp) menggunakan program seperti Cygwin dan Vmware untuk menjalankan program2 tsb..

$ tar -xvf cwp_su_all_43R3.tgz -C /home/(nama_user)/seismicunix

export CWPROOT=/home/leo/seismicunix  <- misal untuk komputerku

export PATH=$PATH:$CWPROOT/bin

$ cd /home/(nama_user)/seismicunix/src

$ make install
$ make xtinstall
$ make finstall
$ make mglinstall
$ make utils
$ make xminstall

$ make sfinstall

typedef struct _sfio_s        *__FILE;

 /*typedef struct _sfio_s *__FILE;*/

Setelah itu save. Kembali ke CygwinX, jalankan kembali perintah :

$ make sfinstall

- Loh kok masih error!? Sabar. Kembali lagi ke Windows Eksplorer, buka file text "sfstdio.h" pada C:\cygwin\home\(nama_user)\seismicunix\src\Sfio\src\lib\sfio\Stdio_b . Pada baris ke tigapuluh ubah tulisan
dari :
menjadi :

Setelah itu save. Kembali ke CygwinX, jalankan kembali perintah :
$ make sfinstall

- BAM! You did it. Untuk mengetest apakah program berjalan silahkan close cygwin lalu buka kembali CygwinX-nya. Tulis perintah :
$ suplane | suximage title="Cie yg bisa nginstalll"

 akan muncul seperti ini:

 

Kira-kira begitu sih, simpel kan? :) 

Semoga bermanfaat ya..

nb: untuk tutorial pengolahan bisa dilihat di ensiklopedi seismik milik Agus Abdullah, Phd

See ya,

L