INTEGRATING MACHINE LEARNING FOR PREDICTING WATER ALTERNATING GAS INJECTION EFFICIENCY IN OIL RECOVERY

• Main Author: Paskahino Gulo, Nisoyawa
• Format: Final Project
• Language: Indonesia
• Subjects: Pertambangan dan operasi berkaitan
• Online Access: https://digilib.itb.ac.id/gdl/view/82293
• Institution: Institut Teknologi Bandung

Penelitian ini bertujuan untuk menganalisis parameter Water Alternating Gas (WAG) yang sesuai untuk mengoptimalkan teknik Peningkatan Perolehan Minyak (EOR). Integrasi machine learning dengan teknik simulasi reservoir tradisional menyediakan kerangka kerja yang kuat untuk memprediksi dan meningkatkan efisiensi injeksi WAG. Parameter kunci seperti laju injeksi, waktu siklus, dan sifat fluida disesuaikan untuk memaksimalkan pemulihan minyak sambil meminimalkan emisi CO2. Penelitian ini melibatkan penerapan model gradient boosting yang canggih untuk mengevaluasi kinerja injeksi WAG dalam berbagai skenario. Hasil penelitian menunjukkan bahwa parameter WAG yang dioptimalkan secara signifikan meningkatkan faktor pemulihan minyak tambahan dibandingkan dengan metode konvensional. Selain itu, penelitian ini memberikan wawasan tentang manfaat ekonomi dan lingkungan dari penerapan strategi WAG yang dioptimalkan di ladang minyak yang sudah matang. Temuan ini menekankan potensi machine learning sebagai alat yang kuat dalam mengoptimalkan proses EOR, berkontribusi pada produksi hidrokarbon yang berkelanjutan dan efisien.