LITHOLOGY PREDICTION USING WELL LOGS WITH SUPPORT VECTOR MACHINE
Ada dua metode untuk mengidentifikasi litologi, langsung dan tidak langsung. Metode langsung mengambil sampel dari formasi bawah tanah dan tidak langsung menggunakan well logs. Metode tidak langsung lebih hemat biaya dibandingkan metodde langsung, tapi masih memakan banyak waktu bila dilakukan secar...
Saved in:
| Main Author: | |
|---|---|
| Format: | Final Project |
| Language: | Indonesia |
| Online Access: | https://digilib.itb.ac.id/gdl/view/48085 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Institution: | Institut Teknologi Bandung |
| Language: | Indonesia |
| Summary: | Ada dua metode untuk mengidentifikasi litologi, langsung dan tidak langsung. Metode langsung mengambil sampel dari formasi bawah tanah dan tidak langsung menggunakan well logs. Metode tidak langsung lebih hemat biaya dibandingkan metodde langsung, tapi masih memakan banyak waktu bila dilakukan secara manual. Machine learning bisa membantu menjalankan metode tidak langsung lebih cepat dan akurasi yang lebih baik.Well logs dan litologi sumur-sumur dari lapngan asli dipelajari oleh machine learning untuk mengolah model terbaik untuk memprediksi litologi untuk sumur-sumur lain yang masih satu reservoir. Studi ini menggunakan klasifikasi dengan model Support Vector Machine (SVM) karena kemampuannya dalam memproses dalam dimensi tinggi. Dalam metode ni ada 3 macam kernel trick ( linear, polynomial, dan radial basis function (RBF)) yang dites untuk mencari hasil terbaik. Hasil - hasil dibandingkan berdasarkan keakurasian dalam memprediksi litologi.Dari tiga pilihan, RBF kernel dipilih karena dapat memprediksi batuan dengan akurasi tertinggi. Walaupun RBF kernel menghasilkan akurasi terbaik, tetap saja belum sempurna karena beberapa masalah. Dengan penyempurnaan lebih, machine learning dapat memprediksi litologi sampai 100%. |
|---|