Perpustakaan Digital ITB
Makalah ini menyajikan pendekatan baru untuk menghasilkan model-proxy yang cukup baik dalam memprediksi produksi kumulatif minyak (Np) dari polimer flooding tanpa melakukan simulasi numerik. Model ini dapat digunakan sebagai evaluasi awal untuk menentukan skenario optimal dan kriteria polimer yang sesuai yang dapat memberikan keuntungan maksimum dalam proyek polimer flooding. Studi ini fokus pada aspek praktis dari polimer flooding yang perlu dipahami untuk menghasilkan model-proxy yang efisien dan bagaimana model yang dihasilkan dapat ditingkatkan.
Proxy-model dihasilkan dengan melakukan beberapa simulasi dengan berbagai parameter dan hasil simulasi akan dimodelkan dengan beberapa metode regresi. Untuk membuat model-proksi yang efisien, memahami fenomena fisik dan mengumpulkan catatan proyek historis dari polimer flooding diperlukan untuk menentukan nilai rentang parameterisasi, sehingga model-proksi dapat digunakan secara praktis. Dalam studi ini, CMOST digunakan untuk secara otomatis menjalankan 5842 kasus untuk menangkap perilaku model numerik. Sebagaimana studi ini bermain dengan data yang besar dan acak, pengetahuan yang cukup dari data science diperlukan untuk memiliki model prediksi dengan R-Square yang cukup. CMOST kemudian digunakan untuk membangun proxy-model menggunakan metode regresi polinomial dan menunjukkan nilai R-Square yang cukup baik, yaitu 0,9445.
Meskipun R-Square menunjukkan nilai yang cukup baik, plot nilai riil - nilai prediksi menunjukkan ketidakpuasan. Oleh karena itu, model kemudian ditingkatkan menggunakan alat pemodelan statistik lain yang disebut Eureqa. Eureqa sebagai mesin pemodelan bertenaga AI digunakan untuk memformulasikan nilai prediksi dengan nilai riil menggunakan algoritma genetika. Enhanced proxy dapat didekati dengan dua cara: memformulasikan semua data dalam sekali jalan, atau memformulasikan semua data dengan mengelompokkannya terlebih dahulu. Hasil dari kedua pendekatan dibandingkan dengan model-proxy CMOST menggunakan analisis Mean Absolute Perscentage Error (MAPE) dan ditunjukkan bahwa formulasi dengan cluster lebih baik dengan MAPE sebesar 10,71% dan hanya memiliki 4,6 barel / hari sebagai kesalahan absolut tertinggi.
Dalam penelitian ini, hasil model akan dikaji ulang sampai kualitasnya memadai untuk digunakan. Dengan meningkatkan kualitas model, penelitian ini menyajikan potensi besar untuk proxy-model dalam memprediksi Np. Selain itu, metodologi yang disarankan dapat digunakan untuk pengembangan model-proxy lebih lanjut. Hal penting dalam menyediakan model-proxy yang efisien adalah harus dapat dengan mudah digunakan dan memiliki kemampuan untuk mengurangi beban komputasi dalam melakukan simulasi. Karenanya, metode ini dapat meningkatkan efisiensi kerja, biaya, dan waktu.