Prediksi Total Organic Content (TOC) Dengan Teknik Machine-Learning Pada Batu Serpih Kaya Material Organik
2021
Batu serpih kaya material organic adalah bagian yang sangat penting untuk
dibahas pada sumber daya migas non-konvensional. Prediksi potensi hidrokarbon dari
suatu batu serpih kaya material organic seperti Total Organic Carbon (TOC) adalah
parameter evaluasi yang sangat penting, yang mana dalam penentuannya menggunakan
persamaan empiris. Pengukuran secara langsung di laboratorium adalah cara yang
paling akurat dalam memperoleh nilai TOC yang representatif, tapi disisi lain sangat
mahal. Dengan tidak adanya fasilitas tersebut, pendekatan lain seperti solusi analitis dan
korelasi empiris digunakan untuk mengestimasi indikasi material organik pada batu
serpih. Tujuan dilakukannya penelitian ini untuk mengembangkan teknik machine-
learning berbasi model untuk memprediksi profil kontinyu suatu log geokimia (TOC)
pada formasi batu serpih. Model machine-learning dilakukan training menggunakan
wireline logging sebagai input dan hasil pengukuran laboratorium berupa data batuan
inti (core) sebagai acuan. Wireline logging yang digunakan berupa log gamma-ray
(GR), densitas (RHOB), kecepatan waktu transit (Dt), dan resistivitas (ILD/LLD). Data
acuan batuan inti mencakup eksperimen hasil pengukuran Rock-Eval pirolisis dan Leco
TOC. Pada penelitian ini, menggunakan teknik machine-learning berupa artificial
neural network (ANN) dengan optimasiasi algoritma self-adaptive differential evolution
(SaDE). Selain pengembangan model ANN yang dioptimalisasi, korelasi empiris
eksplisit juga diekstraksi dari bobot dan kesalahan dari model yang teroptimalisasi.
Usulan model bekerja dengan akurasi yang lebih tinggi dalam rentang kumpulan data
tempat model dilakukan training. Model yang diusulkan dapat memberikan kuantifikasi
secara real-time tingkat kekayaan material organik suatu batuan yang berhubungan
dengan karakterisasi zona batuan induk lapangan migas. Hasil penelitian yang diperoleh
kemudian akan dipresentasikan pada pertemuan ilmiah 2nd ULICoSTE 2021 di Bandar
Lampung yang bekerja sama dengan AIP conference proceedings (terindeks Scopus
Q4).
- Correction
- Source
- Cite
- Save
- Machine Reading By IdeaReader
0
References
0
Citations
NaN
KQI