Perpustakaan Digital ITB

Studi ini bertujuan untuk menentukan distribusi elektrofasies dan permeabilitas di sumur menggunakan pendekatan machine learning. Hasil perhitungan permeabilitas ini kemudian dibandingkan dengan hasil pendekatan rock typing (hydraulic flow unit). Metode yang diusulkan memanfaatkan pendekatan machine learning pada penggunaan clustering elektrofasies sebagai fitur tambahan dalam perhitungan permeabilitas. Penggunaan feature augmentation berupa elektrofasies bertujuan agar pendekatan yang dilakukan tetap dalam logika pengetahuan domain expert petroleum engineering. Algoritma machine learning (AdaBoost, gradient boosting, random forest, neural network, SVM serta linear regression) juga dievaluasi secara komprehensif dalam proses evaluasi yang dilakukan. Hasil pada perkiraan permeabilitas melalui pendekatan rock typing dan evaluasi terhadap feature augmentation yang dibuat oleh Bestagini masih belum memberikan hasil lebih baik dibandingkan dengan menggunakan feature augmentation yang diajukan yaitu tambahan parameter berupa clustering elektrofasies. Dengan algoritma AdaBoost hasil prediksi permeabilitas memberikan akurasi yang tinggi dan mengalami peningkatan akurasi sebesar 5%. (dari 93% menjadi 98%). Pendekatan menggunakan machine learning dan feature augmentation berupa elektrofasies yang diajukan mampu mengidentifikasi elektrofasies dengan sangat baik dan mempermudah distribusi pada interval yang tidak memiliki data core, dan juga memberikan hasil prediksi permeabilitas dengan akurasi yang lebih tinggi dengan waktu yang relatif singkat.