Perpustakaan Digital ITB

Simulasi reservoir berperan penting sebagai alat untuk memprediksi dinamika aliran fluida di dalam media berpori serta membuat berbagai skenario pengembangan lapangan yang optimal. Salah satu tantangan utama dalam simulasi reservoir yaitu penyelesaian sistem persamaan nonlinear berdimensi besar akibat dari formulasi aliran multifasa dan diskretisasi model reservoir. Proses penyelesaian ini sering menghadapi berbagai masalah, antara lain: konvergensi yang tidak tercapai, beban komputasi yang berat, serta ketidakstabilan solusi akibat dari sifat matriks yang ill-conditioned. Metode iterative solver, seperti Conjugate Gradient dapat memiliki keterbatasan dalam hal efisiensi maupun stabilitas, terutama ketika berhadapan dengan kondisi reservoir yang sangat heterogen, baik dari sisi geometri dan sifat-sifat fisik fluida dan batuannya. Penelitian ini mengusulkan pengembangan metode berbasis gabungan metode probabilistik dan jaringan saraf tiruan Backpropagation Neural Networks (BPNN) sebagai alternatif penyelesaikan sistem persamaan nonlinear pada simulasi reservoir. Pendekatan ini merepresentasikan solusi sebagai suatu distribusi yang mengandung informasi ketidakpastian dan estimasi error, sehingga tidak hanya menghasilkan nilai deterministik tunggal, tetapi juga memberikan gambaran tingkat keyakinan terhadap solusi. Sedangkan BPNN dapat mempelajari pola nonlinear yang kompleks dalam sistem persamaan melalui proses pembelajaran untuk memperoleh aproksimasi solusi. Hasil simulasi menunjukkan bahwa solver berbasis probabilistik dan BPNN mampu menyelesaikan berbagai skenario, meliputi aliran gas satu fasa, aliran minyak satu fasa pada grid terstruktur maupun tak terstruktur, aliran dua fasa minyak-air pada reservoir homogen maupun heterogen, serta aliran pada model rekahan. Selain itu, metode hybrid BPNN-Probabilistik ini dapat menghasilkan solusi yang lebih akurat pada model rekahan dibanding dengan solver konvensional. Dengan demikian, solver ini layak untuk dikembangkan lebih lanjut dan diuji pada kasus aliran fluida yang lebih kompleks.