Text

Optimalisasi ASP Flooding pada Core Model Menggunakan Metode Random Forest

---

Dalam chemical flooding, Alkali-Surfactant-Polymer (ASP) flooding adalah salah satu yang paling banyak diterapkan. ASP flooding telah dibuktikan sebagai salah satu metode chemical-EOR yang paling efektif dengan Recovery Factor mencapai 98% OOIP dalam uji laboratorium. Random Forest merupakan salah satu metode dalam Desicion Tree yang mana termasuk ke dalam enseble learner family sehingga membuat metode Random Forest kuat terhadap outlier dalam kumpulan data yang tidak seimbang, dapat diskalakan, dan mampu menangani tren non-linier dalam kumpulan data serta dapat memberikan hasil prediksi yang tinggi dan stabil, memiliki usaha yang minim dalam melakukan tuning parameternya dan dapat diaplikasikan baik dalam kasus klasifikasi ataupun regresi. Untuk mencapai kondisi yang optimum dalam kegiatan ASP Flooding perlu dilakukan optimalisasi model ASP Flooding dengan bantuan Random Forest yang mana dapat mengolah banyak data dengan akurat. Pada penelitian ini, penulis akan melakukan optimalisasi ASP Flooding di Core model dengan pertimbangan beberapa parameter, diantaranya; adsorpsi, BHP sumur produksi, konsentrasi surfaktan, dan salinitas. Penulis terlebih dahulu melakukan simulasi menggunakan model yang dibuat dengan Reservoir Simulation Software (CMGGEM) dan CMOST yang berfungsi untuk membuat 400 Design of Experiment (DoE). Random Forest diakses menggunakan software Anaconda Navigator 3.0 dengan programming language Python. Setelah dilakukan tuning hyperparameter dengan menambahkan beberapa skenario pada Random Forest maka maka hasil yang diperoleh dari penelitian ini adalah model optimum untuk parameter adsorpsi, salinitas, dan konsentrasi surfaktan, adalah pada max depth 54 dan min samples leaf 14 dengan hasil R 2 ~ 1; MAE ~ 0; dan MSE ~ 0, sedangkan model optimum untuk parameter BHP sumur produksi adalah pada max depth 26 dan min samples leaf 1 dengan hasil R 2 ~ 0.982; MAE ~ -0.000747; MSE ~ 1.865666.

---

Availability

Detail Information

Call Number

Perminyakan 519.2 Peg o

Language

Indonesia

NPM

183210818

Publisher

Pekanbaru : Universitas Islam Riau., 2024

Keyword(s)

Random

Other Information

Petugas

Afrilla

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment