POROSITY AND PERMEABILITY PREDICTION USING MACHINE LEARNING ALGORITHM WORKFLOW CASE STUDY “X” FIELD

• Main Author: Arief Rachmadinata, Alifian
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/61886
• Institution: Institut Teknologi Bandung

Di dalam studi ini, akan dijabarkan alur kerja untuk memperkirakan nilai porositas dan permeabilitas menggunakan algoritma machine learning dengan menambahkan label facies dan formasi. Terbatasnya core analysis dan kendala interpretasi manual pada penentuan facies merupakan latar belakang dari pengerjaan studi. Diawali dengan membuat model machine learning yang memprediksi label formasi lalu label facies secara akurat menggunakan perubahan fitur prediktor. Setiap hasil prediksi variabel sasaran akan digunakan untuk prediksi untuk variabel sasar selanjutnya, hal ini ditujukan untuk membangun alur kerja yang terintegrasi. Menerapkan augmentasi fitur prediktor oleh (Bestagini, Lipari, & Tubar, 2017) dan (Marcelo, 2018) memberikan hasil prediksi pada studi lapangan “X” mengggunakan data log dan data sampel core menunjukkan formasi dengan skor f1 0.91 dan, prediksi facies dengan skor f1 0.78. Hasil prediksi nilai porositas menggunakan fitur tambahan dari label facies dan formasi diperoleh dengan skor R2 0.804. Prediksi permeabilitas dengan transformasi nilai variabel sasar belum cukup untuk menghasilkan prediksi yang akurat, prediksi permeabilitas memperoleh skor R2 0.175.