Perpustakaan Digital ITB

Reservoir vulkanik berpotensi menjadi tempat penyimpanan hidrokarbon yang berharga dalam industri minyak dan gas. Porositas sekunder adalah faktor penting dalam kapasitas penyimpanan dan aliran fluida dalam reservoir ini. Memprediksi porositas sekunder sendiri di reservoir vulkanik merupakan tantangan karena kompleksitas proses geologi yang terlibat. Penelitian sebelumnya menunjukkan bahwa distribusi porositas sekunder dalam reservoir vulkanik cenderung kompleks dan heterogen. Metode yang diusulkan mencoba untuk melatih informasi yang dikumpulkan dari log sumur konvensional untuk memprediksi jenis rekahan yang mengindikasikan porositas sekunder. Metode ini menggunakan sejumlah besar data yang tersedia dari log sumur untuk menemukan dan mengisolasi fitur porositas, sehingga memberikan alternatif yang lebih hemat biaya dan efisien dibandingkan dengan formation micro imaging (FMI). Oleh karena itu, penelitian ini mengusulkan penggunaan pendekatan machine learning yang mengintegrasikan data logging sumur konvensional untuk memprediksi jenis rekahan yang mengindikasikan porositas sekunder. Pendekatan ini menggunakan teknik supervised machine learning dan unsupervised machine learning sebagai komparasi untuk meningkatkan akurasi identifikasi jenis rekahan. Hasil dari penelitian ini diharapkan dapat memberikan kontribusi penting dalam pemahaman dan karakterisasi reservoir vulkanik, khususnya pada sektor industri minyak dan gas.