Art Original
Prediksi Permeabilitas Efektif Minyak (ko) Pada Buildup Test Dengan Menggunakan Extreme Gradient Boosting Algorithm Pada Sumur X
Pengujian sumur adalah salah satu cara untuk mengetahui perilaku reservoir maupun sumur dan juga dapat mengetahui kemampuan suatu reservoir untuk berproduksi. Parameter tersebut yaitu permeabilitas efektif minyak (Ko). Salah satu metode yang dapat dilakukan yaitu dengan pengujian menutup sumur (buildup test). Pada studi ini menggunakan software simulasi reservoir Computer Modelling Group (CMG)-IMEX untuk pembuatan model reservoir. Kemudian dilakukan membangun 500 dataset eksperimental dengan 5 parameter input well test yaitu Initial Pressure, Production Rate, Thickness, Factor Volume Formation, dan Viscosity dengan menggunakan metode Design of Experiment (DoE) dengan permeabilitas efektif minyak sebagai response parameter. Untuk mempermudah melakukan penentuan permeabilitas efektif minyak (Ko) maka dilakukan dengan menggunakan metode Extreme Gradient Boosting Algorithm dengan membangun predictive modelling. Dengan rasio 80% untuk training model penentuan permeabilitas efektif minyak (Ko) dan 20% model diuji untuk memperoleh model prediksi XGBoost Algorithm yang baik guna dapat digunakan untuk memprediksi nilai permeabilitas efektif minyak (Ko). Dari hasil simulasi yang dilakukan oleh Extreme Gradient Boosting Algorithm didapatkan predictive model dengan nilai Mean Square Error (MSE) dan Mean Absolute Error (MAE) yang mendekati nilai 0 dan untuk R 2 training dan testing dengan nilai masing-masing 0.898 dan 0.922. Dalam penelitian ini memaparkan pengaplikasian machine learning dalam penentuan parameter reservoir dan predictive model Extreme Gradient Boosting Algorithm dapat dijadiakan acuan dan melakukan evaluasi dalam kinerja buildup test dalam memprediksi nilai permeabilitas efektif minyak (Ko) dengan tingkat keakuratan 0.922 dan singkat tanpa menggunakan simulasi reservoir yang dapat memakan banyak waktu.
No other version available