A NEW APPROACH TO PRODUCTION FORECASTING USING RNN-LSTM ALGORITHM

• Main Author: Ivan Sohahau, Venada
• Format: Final Project
• Language: Indonesia
• Online Access: https://digilib.itb.ac.id/gdl/view/56107
• Institution: Institut Teknologi Bandung

Analisis penurunan produksi merupakan salah satu aspek penting dalam ilmu reservoir pada pertengahan hingga akhir masa produksi, hal ini dikarenakan analisis tersebut akan mempengaruhi secara langsung rencana pengembangan dan analisis ekonomi dari lapangan. Penggunaan Analisis penurunan produksi Arps (DCA) merupakan metode yang digunakan untuk memprediksi laju alir produksi yang umum digunakan di industri, dikarenakan oleh metode tersebut cukup sederhana dan dapat diandalkan. Namun, metode ini dipengaruhi oleh subjektivitas yang tinggi dan membutuhkan keahlian untuk dapat memodelkan kurva penurunan produksi dengan baik. Selain itu, metode in membutuhkan pekerjaan manual yang cukup signifikan dikarenakan metode ini menerapkan metode coba-coba dalam praktiknya. Hal ini akan memakan waktu yang lama apabila diterapkan pada lapangan yang mengandung jumlah sumur produksi yang besar. Pendekatan dengan memanfaatkan data yang menerapkan algoritma machine learning secara konsisten menghasilkan berbagai hasil prediksi yang baik beberapa tahun terakhir ini dalam berbagai aplikasinya pada industri minyak dan gas, termasuk data deret waktu. Hal ini dapat menjadi solusi alternatif dari masalah tersebut. Pada studi ini, menggunakan salah satu algoritma Recurrent Neural Network (RNN), model Long-Short Term Memory (RNN-LSTM) akan dikembangkan menggunakan beberapa variabel produksi seperti laju alir produksi gas, laju alir produksi air, dan tekanan kepala sumur sebagai konstrain. Model ini akan digunakan untuk memprediksi laju alir produksi minyak untuk 180 hari kedepan berdasarkan suatu set data deret waktu produksi lapangan historis. Hasil dari prediksi tersebut kemudian akan dibandingkan dengan DCA Arps dan data asli dari produksi untuk mengetahui performa dari model tersebut. Secara umum, model RNN-LSTM menghasilkan performa yang cukup baik dibandingkan dengan model DCA Arps, mengindikasikan metode ini dapat dipakai pada prediksi laju alir produksi dan variabel lainnya yang memiliki pola yang mirip untuk kasus lapangan-lapangan lain.