PREDIKSI LAJU ALIR SUMUR GAS LIFT DENGAN MULTILAYER PERCEPTRON (MLP)

Abstract

Penelitian ini bertujuan mengembangkan model machine learning untuk memprediksi laju alir sumur gas lift menggunakan Multilayer Perceptron (MLP) berdasarkan parameter-parameter pembentukan model. Metode kualitatif melibatkan evaluasi partial dependence plot sumur gas lift, sementara metode kuantitatif melibatkan exploratory data analysis dataset, prediksi 10 tahun ke depan, dan prediksi laju alir sumur gas lift.

Hasil penelitian menunjukkan model MLP memiliki nilai R-square sebesar 0.999420, mengindikasikan kegunaannya dalam memprediksi laju alir sumur gas lift. Pengujian dengan data asumsi menunjukkan penurunan produksi laju alir minyak, gas, dan air seiring waktu dan eksploitasi sumber daya alam. Penurunan laju alir disebabkan oleh penurunan tekanan reservoir seiring produksi minyak dan gas yang alami, kondisi sumur yang buruk, dan kemampuan reservoir mengalirkan minyak dan gas efisien.

Kesimpulan studi ini menegaskan model MLP bermanfaat untuk prediksi laju alir sumur gas lift, meskipun terdapat korelasi rendah antara perilaku model artificial lift dengan produksi gas lift. Saran peningkatan meliputi penggunaan metode deep learning alternatif, dataset tambahan, penelitian lanjutan dengan analisis berbeda dalam machine learning, dan fitur input tambahan untuk pelatihan model yang lebih baik.