Art Original
Optimasi Implementasi Steamflood Menggunakan Algoritma Random Forest Pada Coarsening Sand Dan Fining Sand
Steamflood adalah proses Enhanced Oil Recovery yang merupakan salah satu metode thermal yang berguna dalam mengatasi permasalahan minyak berat. Minyak berat memiliki API 10° - 20°. Untuk mengatasi permasalahan ini, minyak berat ini akan melalui tahapan steam yang dilakukan pada kegiatan steamflood sehingga dapat mengurangi viskositas minyak. Pada penelitian ini, study steamflood dilakukan pada coarsening sand dan fining sand menggunakan Computer Modeling Group (CMG) untuk membuat base case scenario serta melakukan optimasi steamflood dengan steam quality 50%-90%, steam rate 1350 bbl/day-1850 bbl/day, dan steam temperature 300?-500?. Analisis optimasi dilakukan menggunakan beberapa algoritma, XGBoost, ANN, SVM, KNN dan Random Forest. Akurasi yang diperoleh dengan beberapa model algoritma tersebut memiliki tingkat confidence yang berbeda. Untuk akurasi tertinggi didapatkan dengan menggunakan model Random Forest dengan nilai R2 untuk data training dan data testing sebesar 0.988 dan 0.985 pada coarsening sand serta 0.995 dan 0.993 pada fining sand. Hasil optimasi performa steamflood memberikan nilai steam quality 0.88, steam rate 0.66, dan steam temperature 0.58 pada coarsening sand. Sedangkan pada fining sand nilai steam quality 0.86, steam rate 0.75, dan steam temperature 0.58.
No other version available