Estimasi Permeabilitas Batuan Berpori Menggunakan Deep Learning
No Thumbnail Available
Date
2023-09-12
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Permeabilitas merupakan parameter penting dalam analisis sifat fisis reservoir. Dalam analisis reservoir, data yang digunakan adalah batuan digital. Perhitungan nilai permeabilitas dari batuan digital umumnya dilakukan melalui simulasi menggunakan komputasi numerik. Karena permeabilitas batuan berpori adalah parameter kompleks, waktu yang dibutuhkan untuk menghitungnya bisa berjam-jam untuk satu sampel batuan dan tergantung pada ukuran sampel yang dihitung. Dalam simulasi numerik, sering kali dilakukan simplifikasi dari persamaan yang digunakan untuk menyederhanakan perhitungan dan mengurangi waktu serta beban komputasi. Seiring perkembangan sains dan teknologi, khususnya di bidang kecerdasan buatan, dikembangkan pula metode deep learning sebagai alternatif untuk mengestimasi nilai permeabilitas batuan berpori dari sampel batuan digital. Algoritma CNN menjadi bagian dari deep learning dengan kemampuan pengenalan gambar memungkinkan identifikasi hubungan matriks-pori dari sampel batuan digital dengan nilai permeabilitasnya. Penelitian ini bertujuan untuk mengestimasi permeabilitas batuan berpori dengan algoritma CNN yang dikombinasikan dengan transfer learning. Hasil penelitian ini menunjukan arsitektur DenseNet201 menjadi yang paling cocok untuk mengestimasi permeabilitas batuan berpori. Penelitian ini juga menunjukan keteraturan pola matriks-pori batuan dapat mempengaruhi kinerja model CNN. Nilai-nilai permeabilitas yang didapatkan dari estimasi CNN dihubungkan terhadap parameter porositas dan ukuran bulir serta didapatkan faktor koreksi sebesar 17.7499.
Description
Keywords
batuan berpori, deep learning, permeabilitas