i

ABSTRAK

PREDIKSI KINERJA PRODUKSI SUMUR COALBED

METHANE DENGAN PENDEKATAN JARINGAN SYARAF

TIRUAN, ADAPTIVE NEURO FUZZY INFERENCE SYSTEM,

DAN KESETIMBANGAN MATERI

Oleh

Ahmad Fauzi Hadad

NIM : 32212001

(Program Studi Doktor Teknik Perminyakan)

Produksi sumur CBM dikendalikan oleh beberapa parameter penting reservoir.

Dalam penelitian ini, parameter penting tersebut dibatasi pada tiga parameter, yaitu:

gas content, parameter Langmuir, dan permeabilitas; metode yang ada untuk

memprediksi ketiga parameter tersebut masih sangat sedikit. Data yang digunakan

dalam penelitian ini berasal dari lapangan CBM di Kalimantan Timur, dengan

cakupan yang cukup luas, mulai dari kematangan batubara lignite hingga

bituminous.

Tujuan penelitian ini adalah untuk menghasilkan model yang lebih akurat dan

konsisten untuk memprediksi tiga parameter penting reservoir CBM, melalui teknik

Jaringan Syaraf Tiruan (JST) dan Adaptive Neuro Fuzzy Inference System (ANFIS),

yang kemudian dapat digunakan sebagai masukan untuk memprediksi kinerja

produksi sumur CBM; sebuah teknik perhitungan yang merupakan kombinasi

perhitungan laju alir fluida dan kesetimbangan materi. Untuk proses perhitungan

selanjutnya, penelitian ini menghasilkan sebuah perangkat lunak menggunakan

Graphical User Interface (GUI) Matlab.

Dari penelitian ini, dapat disimpulkan bahwa teknik AI; JST dan ANFIS mampu

mengenali pola data log sumur (sebagai masukan) dan tiga parameter penting

reservoir CBM (sebagai keluaran) dengan sangat baik. Teknik pelatihan terbaik

untuk prediksi ini adalah: ANFIS untuk gas content dan VL CH4, TrainLM untuk PL

CH4, VL CO2 dan PL CO2, dan TrainBR untuk permeabilitas. Teknik yang paling

layak yang akan digunakan selanjutnya adalah TrainLM (JST dengan peraturan

pelatihan Levenberg-Marquardt). Kemudian, teknik perhitungan dengan

pendekatan kesetimbangan materi (King-SLFR) mampu memprediksi kinerja

produksi sumur CBM (produksi air dan produksi gas) dengan memuaskan. Dapat

disimpulkan juga, bahwa sebuah persamaan empiris baru yang dihasilkan dapat

berperan serupa seperti proses difusi di reservoir CBM dalam teknik King-SLFR,

dengan tetap menjaga kondisi dalam keadaan setimbang.

Kata kunci : CBM, Parameter Reservoir, Produksi, JST, ANFIS, dan

Kesetimbangan Materi

iii

ABSTRACT

THE PREDICTION OF COALBED METHANE WELL

PRODUCTION PERFORMANCE USING ARTIFICIAL NEURAL

NETWORK, ADAPTIVE NEURO FUZZY INFERENCE SYSTEM,

AND MATERIAL BALANCE APPROACHES

By

Ahmad Fauzi Hadad

NIM : 32212001

(Petroleum Engineering Doctoral Study Program)

The production of CBM wells are controlled by several important reservoir

parameters. In this research, the influencing parameters are limited to the three

important ones, which are: gas content, Langmuir parameters, and permeability;

at which the existing methods for predicting these three important parameters are

still very few. This research utilizes the data from CBM fields in East Kalimantan,

with quite extensive coverage, from coal maturity of lignite to bituminous.

The objective of this research is to produce the more accurate and consistent

models to predict three important parameters of CBM reservoir, through Artificial

Neural Network (ANN) and Adaptive Neuro Fuzzy Inference System (ANFIS)

techniques, furthermore, they can be used as the inputs to predict CBM wells

production. The prediction of CBM well’s production is a combination between

fluid flow rate calculations and material balance technique. To compute the work,

this research produces a software employing Matlab Graphical User Interface

(GUI) for the prediction of three key parameters and production performance of

CBM wells.

This research concludes that AI technique; ANN and ANFIS are able to recognize

the pattern of well log data (as the input) and three important parameters (as the

output) very well. The best training techniques for the prediction are: ANFIS for

gas content and VL CH4, TrainLM for PL CH4, VL CO2 and PL CO2, and TrainBR

for permeability. It is found that the worthy method to predict all three parameters

is TrainLM technique (ANN with the Levenberg-Marquardt training algorithm).

Furthermore, a calculation technique of material balance approach (King-SLFR)

predicting the production of water and gas of CBM wells quite satisfactorily. It also

be concluded that a new resulted empirical equation which can act similar as

diffusion process in CBM reservoir, and be applied in the King-SLFR technique

stays keeping in balance condition.

Keywords : CBM, Reservoir Parameters, Production, ANN, ANFIS, and

Material Balance