KARAKTERISASI RESERVOIR TERPADU MENGGUNAKAN METODE MACHINE LEARNING

• Main Author: Tryozi Safrio Zulvan, Alfigo
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/73391
• Institution: Institut Teknologi Bandung

Dalam industri minyak dan gas, pengetahuan tentang reservoir merupakan hal yang sangat penting. Karakterisasi reservoir dilakukan untuk mengetahui kinerja reservoir dalam menyimpan dan memproduksi fluida dengan mengetahui informasi dan sifat-sifat suatu reservoir. Beberapa informasi seperti jenis formasi, porositas, permeabilitas, dan saturasi air dapat membantu dalam melakukan simulasi model reservoir untuk pengembangan lapangan. Analisis yang berkaitan dengan formasi, porositas, permeabilitas, dan saturasi air dapat memakan waktu dan biaya yang cukup besar. Diperlukan metode yang efektif dan efisien untuk mendapatkan informasi terkait formasi, porositas, permeabilitas, dan saturasi air. Pada studi kasus ini, prediksi formasi, porositas, permeabilitas, dan saturasi air yang terintegrasi dilakukan dengan menggunakan data well log dan analisis core dari 12 sumur dengan 6 formasi yang berbeda. Pembelajaran mesin akan digunakan untuk melatih beberapa model untuk memprediksi formasi, porositas, permeabilitas, dan saturasi air. Pada praktiknya, penggunaan semua data dapat menghasilkan prediksi yang kurang optimal, sehingga pemilihan fitur dan preprocessing data menjadi penting sebelum menggunakan data untuk melatih model. Penyetelan hyperparameter juga akan dilakukan untuk mengoptimalkan kinerja model dalam pelatihan. Metode leave out well juga dilakukan untuk mengetahui performa model dalam memprediksi data baru. Keseluruhan model akan dievaluasi dan model terbaik akan digunakan untuk memprediksi properti tertentu. Dari hasil penelitian ini, diketahui bahwa hasil prediksi dengan menggunakan metode machine learning memiliki hasil yang dapat diterima. Pada penelitian ini akan dibandingkan tiga skenario, yaitu melakukan prediksi dengan hanya menggunakan data well log, melakukan prediksi dengan menggunakan data well log serta data formasi, porositas, permeabilitas, dan saturasi air hasil interpretasi dan pengukuran, dan melakukan prediksi secara terintegrasi dengan menggunakan data well log serta data formasi, porositas, permeabilitas, dan saturasi air hasil prediksi model machine learning. Hasil dari perbandingan ini diharapkan dapat digunakan untuk menentukan skenario terbaik dalam memprediksi formasi, porositas, permeabilitas, dan saturasi air dengan menggunakan metode machine learning.