Text

INTEGRASI CAPACITANCE RESISTANCE MODEL HIBRIDA DAN MACHINE LEARNING: ALUR KERJA BERBASIS DATA UNTUK OPTIMALISASI KINERJA INJEKSI AIR DAN MANAJEMEN RESERVOIR

---

Penelitian ini bertujuan mengurangi ketidakpastian kinerja waterflood melalui pendekatan alur kinerja berbasis data yang menggabungkan Capacitance Resistance Model (CRM) dengan Machine Learning. Penggunaan dua variasi CRM yaitu CRM-P (Producer-based) dan CRM-IP (Injector-Producer-based) dalam mengevaluasi konektivitas antar sumur dan time constant pada tiga model reservoir yaitu homogen, heterogen dan lapangan asli (Volve Field). Model dievaluasi menggunakan statistid R2 dan MAPE, serta dibandingkan dengan hasil algoritma Random Forest dan eXtreme Gradient Boosting (XGBoost). Pada hasil menunjukkan bahwa CRM-IP memberikan hasil yang lebih realistis dibandingkan CRM-P, terutama dalam waktu respon. XGBoost secara unggul memberikan akurasi prediksi dengan R2=0,76-0,98 dan MAPE=0,5-10%. Visualisasi tiga dimensi (3D) pada konektivitas antar sumur dan analisa streamline memperkuat pemahaman terkait aliran fluida dan efisiensi penyapuan. Hal ini juga menunjukkan bahwa integrasi CRM dan Machine Learning dapat digunakan untuk mengambil keputusan dalam optimasi Enhanced Oil Recovery melalui hasil analisa hasil R2 dan MAPE yang menggambarkan sweep eficiency dan kondisi kemampuan reservoir untuk menerima injeksi lebih lanjut.

---

Availability

Detail Information

Call Number

-

Language

Indonesia

NPM

213210030

Publisher

Teknik Perminyakan : Universitas Islam Riau., 2026

Keyword(s)

Kata Kunci: Waterflood, CRM, Interwell Connectivit

Other Information

Petugas

Budi Santoso

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment