MACHINE LEARNING APPLICATION TO PREDICT POROSITY AND PERMEABILITY USING LOG & CORE MEASUREMENTS CASE STUDY FOR FIELD X

• Main Author: Fairuz Gibran, Ahnaf
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/64424
• Institution: Institut Teknologi Bandung

Fokus pada tesis ini adalah pengaplikasian machine learning untuk memprediksi porositas dan permeabilitas menggunakan pengukuran core dan data sumur. Studi ini menganalisis dan mendeskripsikan alur kerja yang bertujuan untuk mengembangkan model machine learning untuk memprediksi porositas dan permeabilitas pada sumur yang tidak dilakukan coring dengan menggunakan pengukuran core yang terintegrasi dengan data sumur yang tersedia sebagai fitur yang dilatih. Berbagai model machine learning termasuk random forest, gradientboost, jaringan saraf tiruan, adaboost, SVM, XGBoost, dan regresi lasso digunakan untuk mendapatkan perbandingan yang komprehensif. Hasil prediksi menggunakan model machine learning kemudian dibandingkan dengan data petrofisik actual dan metode empiris untuk menunjukkan kelebihan dan kekurangan penggunaan kecerdasan buatan untuk memprediksi karakteristik reservoir. Kedua hasil untuk prediksi porositas dan permeabilitas mendapatkan machine learning sebagai meteode terbaik dengan algoritma terbaik untuk prediksi porositas adalah GradientBoost yang memberikan skor R2 sebesar 0.847, sementara prediksi permeabilitas mendapatkan hasil R2 terbaik sebesar 0.771 dengan menggunakan algoritma Support Vector Machine dan transformasi beberapa variabel fitur dan target ke nilai logaritmik. Hasil yang dilaporkan pada tesis ini mengindikasikan bahwa implikasi metode machine learning pada estimasi porositas dan permeabilitas dapat menghasilkan konstruksi prediksi karakteristik reservoir yang lebih dapat diandalkan.