Text

Prediksi Tingkat Keberhasilan Injeksi Polimer pada reservoir Minyak Riangan Menggunakan Metode Artificial Neural Netwok

---

Injeksi polimer gel mampu mengatasi conformance problem setelah pekerjaan water flooding dilakukan. Terdapat banyak aspek yang menentukan tingkat keberhasilan dari injeksi polimer gel tersebut baik dari segi parameter reservoir ataupun aspek teknis. Untuk memberikan hasil pendesakan yang baik maka perlu dilakukan pemodelan yang bisa memprediksi pengaruh dari parameter yang digunakan dengan hasil recovery minyak dan hasil peurunan water cut. Pada penelitian ini ada 8 parameter yang akan diperhatikan dan perlu dilakukan beberapa skenario sehingga dapat digunakan untuk memprediksi nilai recovery factor dan water cut. Parameter tersebut diantaranya tekanan reservoir, temperatur reservoir, densitas minyak, viskositas minyak, konsentrasi polimer, konsentrasi xlinker, salinitas brine dan laju injeksi. Karena pemodelan dan percobaan untuk memprediksi keberhasilan injeksi polimer gel dengan metode simulasi dan uji laboratorium memerlukan data yang terperinci, biaya yang mahal dan waktu yang lama, maka digunakan metode kecerdasan buatan yakni Artificial Neural Network. Metode ANN mampu memprediksi hasil keberhasilan suatu pekerjaan tanpa memerlukan set data yang terperinci. Dengan mengunakan 2000 data dengan rasio 80% data training dan 20 % data testing dilakukan trial and error pada 3 hyper parameter ANN yakni nilai 5 variasi jumlah nodes hidden layer yakni pada jumlah nodes 3, 5, 9, 15, dan 20, activation function dan solver method. Dari hasil penelitian diperoleh arsitektur model ANN paling baik untuk penelitian ini yakni 8-20-1 (8 input, 20 hidden layer dan 1 output) dengan nilai R 2 terhadap data training sebesar 0,98 untuk output RF dan 0,93 untuk output WC. Sementara itu untuk hasil data testing nilai R sebesar 0,98 untuk output RF dan 0.90 untuk output WC . Nilai RMSE untuk data training sebesar 1,92 untuk output RF dan 3,6 untuk output WC. Untuk data testing nilai RMSE sebesar 2,19 untuk output RF dan 4,33 untuk output WC. Nilai MAPE untuk data training yakni bernilai 3,9 untuk output RF dan 3,8 untuk output WC dan untuk hasil data testing diperoleh nilai MAPE sebesar 4,60 untuk output RF dan 4,23 untuk output WC. Selain itu hasil yang diperoleh dari model ANN jika dibandingkan dengan data aktual hasil simulasi CMG tentunya sangat mendekati sehingga dapat disimpulkan bahwa hasil ANN cukup akurat karena nilai R 2 hampir mendekati 1 dengan rata-rata nilai yang diperoleh sebesar 0.9 dan persentase kesalahan kurang dari 10% dilihat dari nilai MAPE yang di peroleh rata-rata lebih kecil dari 5%. 2

---

Availability

Detail Information

Call Number

Perminyakan 621.86 Ver p

Language

Indonesia

NPM

153210094

Publisher

Pekanbaru : Universitas Islam Riau., 2023

Keyword(s)

Minyak

Other Information

Petugas

Afrilla

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment