Optimasi Volume Injeksi Pada Waterflooding Menggunakan Metode Artificial Neural Network

Waterflooding adalah salah satu metode pemulihan sekunder yang bertujuan untuk mempertahakan tekanan reservoir. Volume air injeksi disesuaikan agar tidak terjadi penurunan oil recovery. Tujuan dari penelitian ini mengoptimalkan nilai Injection dan Recovery Factor (RF) dengan menggunakan Artificial Neural Network (ANN). Parameter digunakan porositas, permeabilitas horizontal, vertikal, saturasi minyak, air, kompresibilitas batuan. Software simulasi reservoir Computer Modeling Group (CMG), kemudian optimasi Machine Learning (ML). Pendekatan rasio 0,7:0,3 data pelatihan pengujian. dilakukan trial and error pada 10 node hidden layer. Hasil memiliki akurasi tinggi karena R2 training testing mendekati 1, sehingga recovery factor sebesar 26.17%, meningkat 5.85% basecase volume 15387684 bbl atau 15.4 MMbbl.