| dc.description.abstract | Forecasting produksi fluida merupakan hal yang penting untuk dilakukan pada suatu lapangan. Dengan mengetahui laju alir fluida di masa mendatang, analisis lain seperti keekonomian dapat dilakukan. Metode forecasting yang umum digunakan dalam industri perminyakan adalah simulasi numerik reservoir dan decline curve analysis (DCA). Hanya saja, simulasi reservoir cenderung membutuhkan beban komputasi yang besar, sedangkan DCA cenderung memberikan hasil prediksi yang kurang fleksibel dan akurat. Dalam penelitian ini, penulis membandingkan performa model-model berbasis multivariate data-driven yaitu VARX, RNN, LSTM, dan GRU dalam memprediksi laju alir fluida berdasarkan data simulasi reservoir Lapangan Pradanthi. Penulis juga membandingkan performa model yang dibangun secara individual dan integrated, menentukan konfigurasi hyperparameter yang tepat, membandingkan metode validasi walk-forward validation over actual data dan over predicted data, serta membandingkan model multivariate dengan DCA. Dalam penelitian ini, penulis melakukan pemodelan model simulasi reservoir, pengumpulan data simulasi harian, persiapan data, pembuatan model multivariate, pembuatan model DCA, hingga perbandingan model multivariate dengan DCA. Penelitian ini menghasilkan kesimpulan bahwa model GRU individual memiliki performa yang terbaik. Performa model VARX, RNN, LSTM, dan GRU berbasis individu yang diuji secara walk forward validation over predicted data berdasarkan rata-rata root mean squared error laju alir fluida adalah 8700.1, 1131.69, 397.8, dan 235.92. Model GRU individual dan exponential DCA memiliki root mean squared error laju alir minyak 181.999 dan 1315.849 bbl/day secara berturut-turut. Absolute error kumulatif laju alir minyak GRU individual dan exponential DCA adalah 5,498,919.05 dan 3,262.47 bbl secara berturut-turut. Dengan demikian, model multivariate khususnya GRU individual memiliki performa yang lebih baik daripada DCA. | en_US |
