The fundamental premises behind all seismic inversion methods in the context of this work are:

1. The Earth can be represented locally by a stack o plane and parallel layers with constant
physical properties.
2. The seismic trace s(t) can be represented by the convolution of the reflectivity coefficient
series r(t) with a band-limited wavelet w(t) and the addition of a random noise n(t).
Pers 1
Tempat dasar di balik semua metode inversi seismik dalam konteks pekerjaan ini adalah :
1. Bumi dapat direpresentasikan secara lokal oleh pesawat tumpukan o dan lapisan paralel dengan sifat fisik
yang konstan .
2. Jejak seismik s ( t ) dapat diwakili oleh lilitan dari r seri koefisien pantulan ( t ) dengan wavelet band terbatas
w ( t ) dan penambahan suara acak n ( t ) .

For zero incident angles, r(t) is directly related to the contrast in the acoustic impedance (AI) of
superposed layers through a simple equation that, after some algebraic manipluations and
mathematical approximations, leads to the expression.
Untuk nol insiden sudut , r ( t ) secara langsung berkaitan dengan kontras dalam impedansi akustik ( AI ) dari
lapisan superposisi melalui persamaan sederhana yang , setelah beberapa manipluations aljabar dan perkiraan
matematika , mengarah ke ekspresi

Pers 2
Which is the equation used in practice for recursive inversion with the aim of transform
reflectivities into impedances. AI1 is the known acoustic impedance in the top layer and AIM is

that of the Mth layer. rj is the reflection coefficient of the jth layer. This approximation is
valid for most of the practical cases where rj \0.3\ (......).
Yang merupakan persamaan yang digunakan dalam praktek untuk inversi rekursif dengan tujuan mengubah
reflektifitas menjadi impedansi . AI1 adalah impedansi akustik dikenal di lapisan atas dan AIM adalah bahwa
dari lapisan Mth . rj adalah koefisien refleksi dari lapisan j . Pendekatan ini berlaku untuk sebagian besar kasus
praktis di mana rj \ 0.3 \ ( ...... ) .

The low-frequency AI model is obtained by estimating the AI values of the entire

seismic volume through ordinary kriging of the AI values at the wells. The AI values at the
wells are obtained by simple multiplication of the measured density values and the inverted
sonic logs(i.e. interval transit time). For a properly usage of the recursive inversion, the
seismic traces should be deconvolved into reflectivity series as suggested by equation 2. To
accomplish that, one has to apply a constrained sparse-spike optimmization procedure that
minimizes the objective function
The - frekuensi rendah Model AI diperoleh dengan mengestimasi nilai AI dari seluruh volume seismik melalui
kriging biasa dari nilai AI di sumur . Nilai AI di sumur diperoleh dengan perkalian sederhana dari nilai densitas
diukur dan log sonic terbalik ( yaitu waktu transit interval) . Untuk benar penggunaan inversi rekursif , jejak
seismik harus deconvolved dalam seri reflektifitas seperti yang disarankan oleh persamaan 2. Untuk mencapai
itu , kita harus menerapkan prosedur optimmization jarang - lonjakan dibatasi yang meminimalkan fungsi tujuan

Pers 3
Using, for example; a conjugate-gradient algorithm. The first term of equation 3 minimizes
the Lj-norm of the reflectivities where controls the sparsity of the solution. The second term
minimizes the difference between the synthetic seismic traces (Wr) and the observed traces
(s). W is a wavelet coefficient matrix and is the standard deviation of the seismic data
noise.
The - frekuensi rendah Model AI diperoleh dengan mengestimasi nilai AI dari seluruh volume seismik melalui
kriging biasa dari nilai AI di sumur . Nilai AI di sumur diperoleh dengan perkalian sederhana dari nilai densitas
diukur dan log sonic terbalik ( yaitu waktu transit interval) . Untuk benar penggunaan inversi rekursif , jejak
seismik harus deconvolved dalam seri reflektifitas seperti yang disarankan oleh persamaan 2. Untuk mencapai
itu , kita harus menerapkan prosedur optimmization jarang - lonjakan dibatasi yang meminimalkan fungsi tujuan

After estimating r from the seismic amplitudes, then r is inverted into AI according to the
following sequential steps (.....):
Setelah memperkirakan r dari amplitudo seismik , maka r terbalik ke AI sesuai dengan langkah-langkah
berurutan berikut ( ..... ) :

(1) Compute the linear trend of a spatial correspondent AI vector and subtract it, obtaining a
residual AIres vector;
(2) Compute the Fourier spectra of AIres;
(3) Apply equation 2 to the reflectivity series, obtaining a relative AIrel vector;
(4) Compute the Fourier spectra of AIrel;
(5) Determine a scalar to match the mean power of AIrel and AIres;
(6) Multiply the spectra of AIrel by ;
(7) Low-pass filter AIres and add to the result of step (6);
(8) Inverse Fourier transform the result of step (7); and
(9) Add the low-frequency trend from step (1) to the result of step (8).
( 1 ) Hitunglah trend linear dari vektor AI koresponden spasial dan kurangi , mendapatkan vektor
residual AIres ;
( 2 ) Hitunglah spektrum Fourier dari AIres ;
( 3 ) Terapkan persamaan 2 seri reflektifitas , mendapatkan vektor AIrel relatif ;
( 4 ) Hitunglah spektrum Fourier dari AIrel ;
( 5 ) Tentukan skalar untuk menandingi kekuatan rata-rata AIrel dan AIres ;
( 6 ) Kalikan spektrum AIrel oleh ;
( 7 ) Low - pass filter AIres dan menambah hasil langkah ( 6 ) ;
( 8 ) Inverse Fourier transform hasil langkah ( 7 ) ; dan
( 9 ) Tambahkan trend - frekuensi rendah dari langkah ( 1 ) dengan hasil langkah ( 8 ) .

For the particular dataset used in this work, the wells are sparsely distributed through the oil
field