INTEGRATED RESERVOIR CHARACTERIZATION USING MACHINE LEARNING ALGORITHMS

• 主要作者: Dwi Avianto, Febri
• 格式: Final Project
• 語言: Indonesia
• 主題: Pertambangan dan operasi berkaitan
• 在線閱讀: https://digilib.itb.ac.id/gdl/view/66222
• 機構: Institut Teknologi Bandung

Karakterisasi reservoir adalah proses untuk menjelaskan karakteristik kuantitatif dan kualitatif suatu reservoir dengan menggunakan semua data yang ada. Dengan memahami reservoir, kita dapat mempertahankan dan mengoptimalkan kinerja reservoir, serta kemampuannya untuk menyimpan dan menghasilkan hidrokarbon (Sukmono, 2002). Studi ini mengusulkan alur kerja karakterisasi reservoir yang terintegrasi untuk memprediksi litologi, porositas, dan permeabilitas menggunakan algoritma machine learning. Penelitian dilakukan dengan menggunakan data wireline log dan pengukuran inti dari formasi Baturaja (BRF) dan Talang Akar (TAF), dengan total sampel core yang tersedia sebanyak 379 buah dari 14 sumur. Machine learning adalah bidang studi yang berfokus pada pemahaman dan membangun metode komputasi yang dapat belajar dan berkembang dengan pengalaman (Mitchell, 1997). Teknik machine learning dapat diterapkan sebagai solusi cepat dan hemat biaya untuk memperkirakan parameter reservoir dari hubungan persamaan yang kompleks hingga pengukuran tidak langsung (Andersen, et al., 2022). Model menjalani training menggunakan beberapa algoritma pembelajaran machine learning dan dioptimalkan dengan menerapkan hyperparameter tuning. Hasil model terbaik memberikan kinerja yang menjanjikan untuk memprediksi sifat yang tidak diketahui pada interval sumur yang tidak dilakukan coring.