PEMISAHAN ANOMALI GAYABERAT DAERAH LAMPUNG MENGGUNAKAN BIDIMENSIONAL EMPIRICAL MODE DECOMPOSITION (BEMD)
Metode gayaberat adalah salah satu metode geofisika yang digunakan dalam eksplorasi mineral dan migas. Metode ini memanfaatkan percepatan gravitasi untuk memodelkan struktur densitas batuan di dalam bumi, mendeliniasi struktur maupun satuan geologi. Pada tahap pengolahan data gayaberat diperlukan be...
Guardado en:
| Autor principal: | |
|---|---|
| Formato: | article |
| Lenguaje: | EN ID |
| Publicado: |
Jurusan Teknik Geofisika Fakultas Teknik Universitas Lampung
2021
|
| Materias: | |
| Acceso en línea: | https://doaj.org/article/7bd9cc9de602450498da5007fe84c01f |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | Metode gayaberat adalah salah satu metode geofisika yang digunakan dalam eksplorasi mineral dan migas. Metode ini memanfaatkan percepatan gravitasi untuk memodelkan struktur densitas batuan di dalam bumi, mendeliniasi struktur maupun satuan geologi. Pada tahap pengolahan data gayaberat diperlukan beberapa koreksi untuk menghasilkan anomali Bouguer lengkap (CBA). Nilai CBA merupakan hasil resultan dari seluruh kontribusi massa di bawah permukaan dan di sekitar titik datum. Pemisahan anomali CBA menjadi regional dan residual menjadi tahap penting dalam interpretasi dan pemodelan gayaberat. Beberapa metode pemisahan anomali yang ada saat ini sudah menunjukkan hasil yang baik. Pada prinsipnya, metode tersebut menggunakan teknik fitting permukaan, pemfilteran frekuensi, smoothing pada domain spasial, atau kontinyuasi medan. Namun, metode tersebut memiliki aspek subjektif yang tinggi dalam menentukan parameter yang bekerja. Pada paper ini, saya mengaplikasikan metode alternatif yaitu Bidimensional Empirical Mode Decomposition (BEMD) pada daerah Lampung. BEMD menganalisis data secara algoritmik dan mampu mendekomposisi data secara empirik yang dapat diasosiasikan dengan pemisahan anomali pada metode gayaberat. Keuntungan utama metode ini adalah kemampuannya untuk memberikan pemisahan yang hampir sempurna antar anomali yang terdapat dalam data gayaberat. Metode ini mampu secara langsung menunjukkan anomali yang dicari sehingga pemilihan anomali target dapat dilakukan dengan mudah karena jumlah dekomposisinya yang tidak banyak. |
|---|