P. 1
Penaksiran Nilai Liquid Permeability Sampel Core dengan Ekstrapolasi Regresi Kuadrat Terkecil dan Polinom Lagrange

Penaksiran Nilai Liquid Permeability Sampel Core dengan Ekstrapolasi Regresi Kuadrat Terkecil dan Polinom Lagrange

|Views: 39|Likes:
Dipublikasikan oleh kabidin
Tugas Akhir Mata Kuliah metode Numerik MA3072 ITB dengan kasus di dunia teknik Perminyakan. tema liquid permeability pada masalah slippage effect/ the klinkenberg effect
Tugas Akhir Mata Kuliah metode Numerik MA3072 ITB dengan kasus di dunia teknik Perminyakan. tema liquid permeability pada masalah slippage effect/ the klinkenberg effect

More info:

Published by: kabidin on May 07, 2010
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

08/01/2013

pdf

text

original

MA 3072 METODE NUMERIK TUGAS #3

PENAKSIRAN NILAI KL SAMPEL CORE DENGAN EXTRAPOLASI LINIER

KELOMPOK 21

NAMA & NIM

: KHEMAL ABIDIN (12208021) HAMDI HALIM (12208029) SATRIO PRAKOSO S (12208055)

TANGGAL PENYERAHAN : 8 MEI 2010 DOSEN : NOVRIANA SUMARTI

PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI BANDUNG 2010

TEORI DASAR

Salah satu sifat fisik batuan yang sangat penting dalam reservoir adalah permeabilitas. Permeabilitas didefinisikan sebagai kemampuan suatu batuan untuk mengalirkan fluida. Dalam melakukan pengukuran permeabilitas dengan menggunakan udara sebagai fluida yang mengalir akan menunjukkan hasil yang berbeda dari pengukuran permeabilitas menggunakan liquid sebagai fluida mengalir. Nilai permeabilitas dari suatu core sampel yang diukur dari udara yang mengalir akan lebih besar dari nilai permeabilitas core menggunakan liquid sebagai fluida alir. Ketika mean free path gas pengukur lebih besar dari diameter celah kapiler gas itu lewati maka energy kinetic yang acak akan ditransfer ke pergerakan molekul-molekul gas melewati celah kapiler atau slippage molekul pada permukaan butir. Klinkenberg menyebutkan berdasarkan percobaannya, liquid memiliki kecepatan sebesar nol pada permukaan butir batuan namun gas akan memiliki kecepatan pada permukaan butir batuan. Atau dengan kata lain gas menunjukkan adanya slippage pada permukaan butiran. Slippage menyebabkan flow rate yang tinggi untuk gas pada perbedaan tekanan yang diberikan. Klinkenberg juga menemukan untuk suatu porous media yang mana tekanan rata-rata (pm = mean pressure) yang diberikan meningkat, permeabilitas akan menurun. Mean pressure di definisikan sebagai tekanan upstream ditambah tekanan downstream dibagi dua, [pm = (p1 + p2) / 2]. Jika kita melakukan plot antara permeabilitas terukur vs 1/pm maka ketika kita melakukan ekstrapolasi data pada 1/pm = 0, di mana pm= tak terhingga dan mean free path sangatlah kecil, permeabilitas ini kira kira akan sebanding dengan permeabilitas liquid. Klinkenberg effect dapat diexpressed seperti ini: Kg = KL + c [1/pm] Kg = permeabilitas gas terukur KL = permeabilitas liquid (permeabilitas absoluy) pm = mean pressure c = slope

Dalam menentukan besarnya permeabilitas liquid (permeabilitas absolute) kita menggunakan data-data dari percobaan yang dilakukan beberapa penemu yang akan kami sebutkan sumbernya dan kita melakukan regresi dengan beberapa metode untuk dapatkan persamaan linier sehingga kita bisa melakukan ekstrapolasi nilai KL pada suatu core. Metode yang dipakai oleh kami adalah Regresi Kuadrat Terkecil dan Polinom Interpolasi Lagrange. Walaupun kita menggunakan polinom interpolasi, kita ingin melihat apakah dengan metode polinom nilainya akan hampir sama untuk persamaan orde 1 dengan regresi linier. Regresi Kuadrat Terkecil Ada beberapa metode numerik yang digunakan untuk menyelesaikan masalah persamaan dari beberapa titik salah satunya adalah dengan membentukkan sebuah kurva yang menghampiri titik-titik tersebut. Istilah menghampiri disini maksudnya adalah kurva yang dibangun diformulasikan sehingga galat yang terjadi seminimal mungkin. Selain itu, pencocokan kurva juga digunakan untuk menghampiri sebuah fungsi yang rumit dengan sebuah fungsi yang sederhana.Teknik regresi digunakan apabila sumber data yang digunakan mempunyai tingkat galat yang cukup tinggi. Dalam hal ini kurva yang dibangun tidak perlu titik-titik data tersebut, tetapi cukup mengikuti kecenderungannya saja.

Data biasanya akan didapat dalam kecenderungan tertentu, misalnya masalah eksponensial, persamaan pangkat, model laju pertumbuhan dan lain-lain. Kurva regresi untuk masalah-masalah seperti ini dapat diselesaikan dengan bantuan regresi linear, asalkan kurva regresinya dapat ditransformasikan ke bentuk linear. Misalkan persamaan yang didapat adalah y= a0 + a1x , maka galatnya didefenisikan sebagai berikut : E = { dan a1 : n a0 + + = = }1/2

Teknik regresi ini disebut regresi kuadrat terkecil, SPL dibentuk untuk mencari a0

Algoritma Regresi Kuadrat terkecil Masukan : 1/pm = m k (nilai-nilai reciprocal mean pressure)

(permeabilitas gas)

n (jumlah input) Keluaran : a0 a1 Langkah-langkah 1. 2. 3. 4. 5. 6.                  :     

7. Hitung nilai a1  8. Hitung nilai a0  9. Persamaan a0 + a1m = k

Polinom Interpolasi Lagrange Diberikan dua buah titik (x0, f(x0)) dan (x1, f(x1)). Polinom interpolasi yang melalui kedua titik tersebut dapat diformulasikan dengan mudah, yaitu y = p1 (x) = f (x0) + [f (x1) ± f (x0)] (x ± x0)/(x1 ± x0) Polinom interpolasi tersebut dapat disusun dengan cara lain. Joseph Louis Lagrange menyusunnya sebagai berikut: y = p1 (x) = f (x0) * (x ± x0)/(x0 ± x1) + f (x1) * (x ± x0)/(x1 ± x0) Kira kira seperti itulah bentukan persamaan yang akan kami gunakan pada metode Polinom Interpolasi Lagrange, di mana bentuk polinomnya adalah derajat satu. Algoritma Polinom Interpolasi Lagrange Masukan : 1/pm = m k (nilai-nilai reciprocal mean pressur) (permeabilitas gas)

n (jumlah data ) x (nilai inverse mean pressure yang dimasukkan) Keluaran : p1 (x) :

Langkah- Langkah 1. y = p1 (x) 2. a0 = f (x0) 3. a1 = f (x1) 4. p1 (x) = a + b

5. a = a0 * (x - x1)(x ± x2)«.(x - xn)/ (x0 ± x1)(x0 ± x2)«.(x0 - xn) 6. b = a1 * (x ± x0)(x ± x2)«.(x - xn)/ (x1 ± x0)(x1 ± x2)«.(x1 - xn) 7. Didapat p1

DATA DATA PERCOBAAN

Table 10. Flow data for Massilon Sandstone core no.6, Nitrogen Flow [1] Percobaan ke1 2 3 4 5 6 7 8 9 10 1/pm (atm-1) 0.497 0.337 0.230 0.202 0.480 0.322 0.247 0.202 0.439 0.294 Measured Permeability (mD) 991 960 957 941 981 959 939 936 993 980

Experimental Data from Experiment II (Verification of The Klinkenberg Effect) [2] Percobaan ke1 2 3 1.072 1.336 2.020 pm (atm) 1/pm (atm-1) 0.933 0.749 0.495 Measured Permeability (mD) 5.91 5.70 5.04

[1] Aruna, Muhammadu .The Effects of Temperature and Pressure on Absolute Permeability of Sandstones. Stanford University. 1976. [2] Tiab, Djebbar and Donaldson, Erle. C . Petrophysics. 2004.Gulf Professional Publishing.

PENYELESAIAN MASALAH Table 10. Flow data for Massilon Sandstone core no.6, Nitrogen Flow Regresi Kuadrat Terkecil program Regresi_Kuadrat_Terkecil_021_029_055; uses crt;

var iter, i,j : integer; a,b,c,d,e,f,l : real;

x,y,k,z : array [0..13] of real;

begin clrscr; writeln('-------------------------------------------------------------------------------'); writeln('Kelompok 21 Soal 1A Regresi Kuadrat Terkecil'); Hamdi Halim (12208029) Satrio Prakoso S

writeln('Khemal Abidin (12208021) (12208055)');

writeln('-------------------------------------------------------------------------------');

writeln; writeln('Gunakan Regresi Kuadrat Terkecil untuk mendapatkan hubungan antara'); writeln;

x[0] :=0.497; x[1] :=0.337; x[2] :=0.230; x[3] :=0.202; x[4] :=0.480; x[5] :=0.322; x[6] :=0.247; x[7] :=0.202; x[8] :=0.439; x[9] :=0.294;

y[0] :=991; y[1] :=960; y[2] :=957; y[3] :=941; y[4] :=981; y[5] :=959;

y[6] :=939; y[7] :=936; y[8] :=993; y[9] :=980;

(*Menampilkan Data X dan Y*); writeln('1/Pmean (x) | Permeabilitas (y)'); for i := 0 to 9 do begin write(x[i]:0:2,' writeln(); end; writeln(); ',y[i]:0:2);

(*Penentuan Sigma X kali Y*); a := 0; for i := 0 to 9 do begin z[i] := x[i]*y[i]; a := a + z[i];

end; writeln ('Sigma X x Y adalah ', a:0:3);

(*Penentuan Sigma X*); b := 0; for i := 0 to 9 do begin b := b + x[i]; end; writeln ('Sigma X adalah ', b:0:3);

(*Penentuan Sigma Y*); c := 0; for i := 0 to 9 do begin c :=c + y[i]; end; writeln ('Sigma Y adalah ', c:0:3);

(*Penentuan Sigma X kuadrat*); d := 0;

for i := 0 to 9 do begin z[i] := x[i]*x[i]; d := d + z[i]; end; writeln ('Sigma X^2 adalah ', d:0:3);

(*Penentuan a1*); e := (10*a-b*c)/(10*d-b*b); writeln ('a1 adalah ', e:0:3);

(*Penentuan a0*); f := (c-e*b)/10; writeln ('a0 adalah ', f:0:3);

writeln(); writeln('maka dapat disimpulkan hubungan antara 1/Pmean dan Permeabilitas adalah'); writeln('y = ',f:0:3,' + ',e:0:3,'x'); writeln();

writeln('maka dapat disimpulkan pada 1/Pmean = 0, Permeabilitas adalah');

l := f + e*0; writeln('y = ',l:0:3);

readln(); end. Hasil Eksekusi Data 1 dengan Regresi Kuadrat Terkecil

Polinom Interpolasi Lagrange Orde 1 program polinom_ekstrapolasi_lagrange; uses crt;

var

n,m,l,i : integer; a,o,p,q,z : real;

x,y : array [0..100] of real;

begin clrscr; writeln('-------------------------------------------------------------------------------'); writeln('Kelompok 21 Soal 1B Polinom Ekstrapolas Lagrange'); Hamdi Halim (12208029) Satrio Prakoso S

writeln('Khemal Abidin (12208021) (12208055)');

writeln('-------------------------------------------------------------------------------'); writeln; writeln('Gunakan Polinom Ekstrapolas Lagrange untuk mendapatkan hubungan antara'); writeln;

x[0] :=0.497; x[1] :=0.337; x[2] :=0.230; x[3] :=0.202; x[4] :=0.480; x[5] :=0.322; x[6] :=0.247; x[7] :=0.202; x[8] :=0.439; x[9] :=0.294;

y[0] :=991; y[1] :=960; y[2] :=957; y[3] :=941; y[4] :=981; y[5] :=959; y[6] :=939; y[7] :=936; y[8] :=993;

y[9] :=980;

(*Menampilkan Data X dan Y*); writeln('1/Pmean (x) | Permeabilitas (y)'); for i := 0 to 9 do begin write(x[i]:0:2,' writeln(); end; writeln(); ',y[i]:0:2);

writeln(); (*Menentukan Orde Polinom*); write('Orde yang digunakan untuk polinom adalah '); readln(m);

(* Nilai yang ingin ditentukan*); write('Nilai yang ingin ditentukan adalah pada saat x = '); readln(a);

(*Perhitungan Polinom Lagrange*); z := 0; i := 0; repeat begin o := 0; q := 0; for l := 0 to m do begin if (l<>i) then begin o := o + (a-x[l]); q := q + (x[i]-x[l]); end; end; z := z +y[i]*o/q; end; i := i +1; until (i>m);

writeln();

(*Pemunculan Nilai Y[a]*); writeln('Nilai dari y[',a:0:2,'] dengan orde ',m,' adalah ',z:0:3);

readln(); end. Hasil Eksekusi Data 1 dengan Interpolasi Polinom Lagrange Orde 1

Experimental Data from Experiment II (Verification of The Klinkenberg Effect) Regresi Kuadrat Terkecil program Regresi_Kuadrat_Terkecil_021_029_055; uses crt;

var iter, i,j : integer; a,b,c,d,e,f,l : real;

x,y,k,z : array [0..2] of real;

begin clrscr; writeln('-------------------------------------------------------------------------------'); writeln('Kelompok 21 Soal 2A Regresi Kuadrat Terkecil'); Hamdi Halim (12208029) Satrio Prakoso S

writeln('Khemal Abidin (12208021) (12208055)');

writeln('-------------------------------------------------------------------------------'); writeln; writeln('Gunakan Regresi Kuadrat Terkecil untuk mendapatkan hubungan antara'); writeln;

x[0] :=0.933; x[1] :=0.749; x[2] :=0.495;

y[0] :=5.91; y[1] :=5.7; y[2] :=5.04;

(*Menampilkan Data X dan Y*); writeln('1/Pmean (x) | Permeabilitas (y)'); for i := 0 to 2 do begin write(x[i]:0:2,' writeln(); end; writeln(); ',y[i]:0:2);

(*Penentuan Sigma X kali Y*);

a := 0; for i := 0 to 2 do begin z[i] := x[i]*y[i]; a := a + z[i]; end; writeln ('Sigma X x Y adalah ', a:0:3);

(*Penentuan Sigma X*); b := 0; for i := 0 to 2 do begin b := b + x[i]; end; writeln ('Sigma X adalah ', b:0:3);

(*Penentuan Sigma Y*); c := 0; for i := 0 to 2 do begin c :=c + y[i];

end; writeln ('Sigma Y adalah ', c:0:3);

(*Penentuan Sigma X kuadrat*); d := 0; for i := 0 to 2 do begin z[i] := x[i]*x[i]; d := d + z[i]; end; writeln ('Sigma X^2 adalah ', d:0:3);

(*Penentuan a1*); e := (3*a-b*c)/(3*d-b*b); writeln ('a1 adalah ', e:0:3);

(*Penentuan a0*); f := (c-e*b)/3; writeln ('a0 adalah ', f:0:3);

writeln();

writeln('maka dapat disimpulkan hubungan antara 1/Pmean dan K (Permeabilitas) adalah'); writeln('y = ',f:0:3,' + ',e:0:3,'x'); writeln();

writeln('maka dapat disimpulkan pada 1/Pmean = 0, Permeabilitas adalah adalah'); l := f + e*0; writeln('y = ',l:0:3); readln(); end. Hasil Eksekusi Data 2 dengan Regresi Kuadrat Terkecil

Polinom Interpolasi Lagrange Orde 1 program polinom_ekstrapolasi_lagrange; uses crt;

var n,m,l,i : integer; a,o,p,q,z : real;

x,y : array [0..100] of real;

begin clrscr;

writeln('-------------------------------------------------------------------------------'); writeln('Kelompok 21 Soal 2B Polinom Ekstrapolas Lagrange'); Hamdi Halim (12208029) Satrio Prakoso S

writeln('Khemal Abidin (12208021) (12208055)');

writeln('-------------------------------------------------------------------------------'); writeln; writeln('Gunakan Polinom Ekstrapolas Lagrange untuk mendapatkan hubungan antara'); writeln;

x[0] :=0.933; x[1] :=0.749; x[2] :=0.495;

y[0] :=5.91; y[1] :=5.7; y[2] :=5.04;

(*Menampilkan Data X dan Y*); writeln('1/Pmean (x) | Permeabilitas (y)'); for i := 0 to 2 do begin write(x[i]:0:2,' writeln(); end; writeln(); ',y[i]:0:2);

writeln(); (*Menentukan Orde Polinom*); write('Orde yang digunakan untuk polinom adalah '); readln(m);

(* Nilai yang ingin ditentukan*); write('Nilai yang ingin ditentukan adalah pada saat x = '); readln(a);

(*Perhitungan Polinom Lagrange*); z := 0; i := 0; repeat begin o := 0; q := 0; for l := 0 to m do begin if (l<>i) then begin o := o + (a-x[l]); q := q + (x[i]-x[l]); end; end; z := z +y[i]*o/q; end;

i := i +1; until (i>m);

writeln(); (*Pemunculan Nilai Y[a]*); writeln('Nilai dari y[',a:0:2,'] dengan orde ',m,' adalah ',z:0:3); readln(); end. Hasil Eksekusi Data 2 dengan Interpolasi Polinom Lagrange Orde 1

ANALISIS Dari data satu, nilai KL akan diperoleh dari berbagai metode yang digunakan. Dengan menggunakan metode regresi kuadrat terkecil nilai KL yang diperoleh adalah 909.526 mD dan dengan menggunakan metode interpolasi polinom Lagrange nilai KL yang diperoleh adalah 894.706 mD. Bila kita perhatikan nilai yang diperoleh kedua metode hampir saling dekat. Dan nilai eksak dari permeabilitas liquid (permeablitas absolute) dari percobaan pengaliran gas Nitrogen melelui core adalah 907.895 mD. Berikut adalah grafik regresi linier untuk data-1:

resiprocal press vs K data 1
1000 990 980 970 960 950 940 930 0 0.2 0.4 0.6 Linear (resiprocal press vs K) y = 167.5x + 909.2 R² = 0.766

Bisa dilihat bahwa nilai R2 tidak cukup mendekati satu, berarti nilai permeabilitas liquid yang didapatkan kurang cukup merepresentatifkan nilai KL yang sebenarnya.Bila kita melakukan ekstrapolasi pada persamaan linier data satu maka akan tampak grafik seperti berikut:

resiprocal press vs K data 1
1000 980 960 940 920 900 0 0.2 0.4 0.6 Linear (resiprocal press vs K)

Namun apabila kita perhatikan sekali lagi, nilai yang didapat dari berbagai metode tampak cukup dekat dengan nilai eksak KL. Dan dilakukanlah perhitungan galat: E (dengan regresi kuadrat terkecil) = = 0.00179 E (dengan interpolasi Lagrange ) = = 0.01453 Galat terbesar diberikan oleh metode interpolasi Lagrange. Bila kita analisis, data-1 memiliki banyak data, dan data tersebut tidak menunjukkan suatu pemusatan yang baik. Jumlah data yang banyak dan persebaran data yang tidak merata akan sebabkan pengambilan trendline yang tidak tepat. Dan garis linier tidak melewati semua data yang ada. Maka nilai KL dapat berbeda, terutama dengan menggunakan interpolasi polinom akan menghasilkan nilai yang kurang mendekati nilai eksak, karena rumus polinom sendiri untuk persamaan polynomial. Dari data dua, nilai KL akan diperoleh dari berbagai metode yang digunakan. Dengan menggunakan metode regresi kuadrat terkecil nilai KL yang diperoleh adalah 4.081 mD dan dengan menggunakan metode interpolasi polinom Lagrange nilai KL yang diperoleh adalah 4.845 mD. Bila kita perhatikan nilai yang diperoleh kedua metode hampir saling dekat. Dan nilai eksak dari permeabilitas liquid (permeablitas absolute) dari percobaan pengaliran gas Nitrogen melelui core adalah 4.07 mD. Berikut adalah grafik regresi linier untuk data-2:

resiprocal pressure vs K data 2
6.2 6 5.8 5.6 5.4 5.2 5 4.8 0 0.5 1 y = 2.023x + 4.081 R² = 0.961 resiprocal pressure vs K data 2 Linear (resiprocal pressure vs K data 2)

Terlihat bahwa dengan menggunakan regresi linier kuadrat terkecil nilai dari R2 mednekati satu, berarti penciptaan trendline cukup mendekati ideal case. Bila kita melakukan ekstrapolasi nilai dalam menentukan permeabilitas liquid (permeabilitas absolute) adalah sebagai berikut:

resiprocal pressure vs K data 2
7 6 5 4 3 2 1 0 0 0.2 0.4 0.6 0.8 1 resiprocal pressure vs K data 2 Linear (resiprocal pressure vs K data 2) y = 2.023x + 4.081 R² = 0.992

Dan seperti yang akan kita lakukan, kita akan menentukan galat dalam menguji nalai manakah yang paling mendekati nilai KL sebenarnya. Maka seperti inilah galatnya: E (dengan regresi kuadrat terkecil) = = 0.0027 E (dengan interpolasi Lagrange ) = = 0.19 Sekali lagi galat terbesar diberikan oleh metode interpolasi Lagrange. Bila kita analisis, data-2 memiliki data yang sedikit, dan data tersebut bisa dikatakan memiliki trendline yang baik. Jumlah data yang sedikit akan memberikan kemungkinan garis linier dapat melewati banyak data yang ada. Maka nilai KLsangat dekat walaupun galat Lagrange sangat besar. Menggunakan interpolasi polinom akan menghasilkan nilai yang kurang mendekati nilai eksak,

karena rumus polinom sendiri untuk persamaan polynomial. Dan perhitungan Lagrange cukup sulit dan hal tersebut cukup juga memberikan pembulatan yang berarti. Pembulatan yang cukup berarti memberikan nilai galat yang semakin besar dari nilai aslinya. Sehingga bisa dipastikan penggunaan regresi kuadrat terkecil akan lebih baik karena rumus yang dipakai spesifik untuk persamaan linier. Penggunaan Lagrange sebenarnya juga tidak apa-apa karena polinom tersebut masih bisa untuk derajat kurang dari 2.

KESIMPULAN y y Penentuan permeabilitas liquid dapat dilakukan dengan metode-metode numeric. Permeabilitas liquid sangat penting ditentukan karena sering digunakan di oil industry, sehingga dapat dilakukan koreksi pada formasi tentang permeabilitasnya. y Pencocokan kurva akan lebih baik jika diperhatikan bentukan plot data sehingga tidak memilih metode yang tidak akan mendekati nilai sebenarnya. y Regresi kuadrat terkecil adalah metode yang paling efisien dalam menentukan liquid permeability pada plot reciprocal pressure vs. gas permeability. y Polinom interpolasi Lagrange bisa digunakan untuk orde dibawah dua, namun galat yang dihasilkan cukup besar sehingga dapat merusak keabsahan data. y Jumlah data yang berhimpit dengan garis trendline akan memengaruhi ketepatan data.

DAFTAR PUSTAKA y Aruna, Muhammadu .The Effects of Temperature and Pressure on Absolute Permeability of Sandstones. Stanford University. 1976. y y y y Tiab, Djebbar and Donaldson, Erle. C . Petrophysics. 2004.Gulf Professional Publishing. Ahmed, Tarek. Reservoir Engineering Handbook. 2000. Gulf Professional Publishing. Djohan, Warsoma. Diktat MA7032 Metode Numerik. Glover, Dr. Paul. Petrophysics MSc Course Notes.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->