Text

STUDI KOMPARATIF CAPACITANCE RESISTANCE MODEL DAN MACHINE LEARNING UNTUK ANALISIS SENSITIVITAS KINERJA INJEKSI POLIMER

---

Penelitian ini bertujuan mengevaluasi kinerja injeksi polimer pada Lapangan Volve dengan memvalidasi hasil simulasi full-physics tNavigator menggunakan dua pendekatan berbasis data, yaitu Capacitance Resistance Model (CRM) dan algoritma machine learningRandom Forest dan XGBoost. Validasi ini diperlukan untuk mengatasi ketidakpastian parameter aliran dan memastikan bahwa respons produksi simulasi sesuai dengan dinamika injeksi–produksi berbasis data. Model simulasi dibangun menggunakan data historis selama 20 tahun, terdiri dari lima tahun injeksi polimer 1000–3000 ppmdan 15 tahun chase water. Hasil simulasi menunjukkan bahwa injeksi polimer meningkatkan recovery factor dari 21,12% menjadi 21,30% pada skenario terbaik, meskipun peningkatannya relatif kecil. CRM melalui konfigurasi CRM-P dan CRM-IP mampu merekonstruksi laju produksi dan menghitung interwell connectivity dengan baik (R² = 0,94; MAPE < 10%). Validasi machine learning memperkuat temuan tersebut, dengan Random Forest mencapai R² = 0,92 (MAPE < 1%) dan XGBoost mencapai R² = 0,99 (MAPE < 1%). Secara keseluruhan, CRM dan machine learning terbukti efektif sebagai jalur validasi independen untuk meningkatkan keandalan hasil simulasi dan mendukung evaluasi injeksi polimer di lapangan nyata.

---

Availability

Detail Information

Call Number

-

Language

Indonesia

NPM

213210089

Publisher

Teknik Perminyakan : Universitas Islam Riau., 2026

Keyword(s)

Kata Kunci:Injeksi Polymer, CRM, DCA, Machine Lear

Other Information

Petugas

Budi Santoso

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment