Path: Top > S1-Final Project > Petroleum Engineering-FTTM > 2010

ESTIMATION OF FRACTURE CONDUCTIVITY IN A DEVELOPMENT FIELD USING ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)

Undergraduate Theses from JBPTITBPP / 2017-09-27 10:37:29
Oleh : TRIANTO ADIPUTRO GUNADI (NIM 12205028); Pembimbing: Dr. Ir. Sudjati Rachmat, DEA., S1 - Department of Petroleum Engineering
Dibuat : 2010, dengan 1 file

Keyword : AI, ANFIS, Fracture Conductivity

This study is an example of the application of Artificial Intelligence (AI), in the objective of Pattern Recognizing, as an alternative method of predicting the parameters governing the stimulation of oil wells by Hydraulic Fracturing. The type of AI used in this paper is Adaptive Neuro Fuzzy Inference System (ANFIS) which is particularly used to find the relationship between the parameters concerning Fracture Conductivity.

This simple method is brought up as an alternative to analytical and numerical methods as a quick tool to aid engineers in making quick decisions on the field, and as a preliminary guess before planning a hydraulic fracturing stimulation. Information used in this paper originates from a series of data in South Balam Field, Telisa Formation in Southern Sumatra. All wells are fractured using the same method and are from the same formation with relatively similar depth and rock properties.

The study was made by simulating working environments where vital data like well testing and production were unavailable. ANFIS is tested to see whether it could model the results of hydraulic fracturing with such limited data. Fracturing treatment properties and available rock properties are sorted, selected, and aligned as ANFIS data. Then, a model is built and its ability to represent the problem is tested. After that the process is repeated until a model with the smallest average error is found. In the end, the study came through with satisfying results. Using the data from the South Balam Field, ANFIS successfuly built a model with an average error of around 9%.

Deskripsi Alternatif :

Secara garis besar, studi ini merupakan contoh penerapan AI (Intelegensia Buatan) sebagai cara alternatif dalam menentukan hubungan dari parameter-parameter yang mempengaruhi proses Perekahan Hidrolik. Jenis AI yang digunakan adalah Adaptive Neuro Fuzzy Inference System (ANFIS), di mana sistem ini berperan dalam menentukan hubungan berbagai parameter yang dimiliki Fracture Conductivity.

Metode sederhana ini dikembangkan sebagai alternatif untuk cara-cara numerik dan analitik dan bertujuan mempermudah para engineer di lapangan dalam membuat keputusan. Hasilnya dapat digunakan sebagai perkiraan awal sebelum melakukan suatu pekerjaan stimulasi. Data yang digunakan dalam paper ini berasal dari lapangan South Balam Field, di Formasi Telisa, Sumatera Selatan. Pada lapangan ini semua sumur di-frac dengan metoda yang sama pada formasi yang sama dan memiliki karakteristik yang serupa.

Studi ini dikerjakan dengan men-simulasikan lingkungan di mana data-data vital seperti data Well Testing dan data Produksi tidak ada. ANFIS diuji untuk melihat kemampuannya dalam memodelkan hasil perekahan hidrolik dengan data terbatas. Data frac dan data batuan diurut, dipilih, dan dimasukkan sebagai inputan ANFIS. Kemudian model dibangun dan dilihat kemampuannya dalam merepresentasikan kasus tersebut. Setelah itu prosesnya diulang sehingga model akhirnya memiliki galat yang paling kecil. Pada akhirnya, studi ini selesai dengan hasil yang baik. Dengan menggunakan data dari lapangan South Balam Field, ANFIS berhasil menghasilkan model dengan error rata-rata sebesar 9%.

Beri Komentar ?#(0) | Bookmark

PropertiNilai Properti
ID PublisherJBPTITBPP
OrganisasiS
Nama KontakUPT Perpustakaan ITB
AlamatJl. Ganesha 10
KotaBandung
DaerahJawa Barat
NegaraIndonesia
Telepon62-22-2509118, 2500089
Fax62-22-2500089
E-mail Administratordigilib@lib.itb.ac.id
E-mail CKOinfo@lib.itb.ac.id

Print ...

Kontributor...

  • Pembimbing: Dr. Ir. Sudjati Rachmat, DEA., Editor: Vika A. Kovariansi

File PDF...