Geri Dön

Yön bağımlı formasyonlarda indüksiyon loglarından kesirli türevler ve yapay sinir ağları ile tabaka parametrelerinin kestirimi

Estimation of formation parameters using fractional derivatives and artificial neural networks in anisotropic media

PDF İndir

  1. Tez No: 1016872
  2. Yazar: DELYA OCHIROVA
  3. Danışmanlar: PROF. DR. ERTAN PEKŞEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeofizik Mühendisliği, Geophysics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Jeofizik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, yön bağımlı (anizotropik) yeraltı formasyonlarında indüksiyon kuyu logu verilerinden tabaka sınırlarının ve özdirenç değerlerinin doğru bir şekilde kestirilmesini amaçlamaktadır. Elektriksel anizotropinin etkisi, kuyu loglarının yorumlanmasını zorlaştırmakta ve rezervuar karakterizasyonunda önemli hatalara yol açabilmektedir. Bu sorunu aşmak için çalışmada klasik türev yöntemlerine ek olarak kesirli türev teknikleri de kullanılarak tabaka sınırlarının daha hassas bir şekilde belirlenmesi hedeflenmiştir. Düşey ve yatay manyetik alan bileşenlerinin sanal kısımlarından görünür özdirençler hesaplanmış, ardından Newton iteratif yöntemi ile bu değerler iyileştirilmiştir. Elde edilen bu değerler, yapay sinir ağları (YSA) ve genelleştirilmiş regresyon sinir ağları (GRNN) ile araştırılmıştır. Ayrıca, Levenberg-Marquardt, Bayesian Regularization, Scaled Conjugate Gradient, Resilient Backpropagation ve GRNN gibi farklı eğitim algoritmalarının performansları karşılaştırılmıştır. Yöntem homojen, iki, üç tabakalı sentetik modeller üzerinde test edilmiş, ardından Oklahoma çok katmanlı benchmark ve Florida sahil kenarlarında kuyuda ölçülen arazi verilerine uygulanmıştır. Bu bütünleşik yaklaşım, yeraltı formasyonlarının daha doğru modellenmesini sağlamakta ve petrol rezervuar değerlendirmelerinde kullanılan porozite ve suya doygunluk gibi parametrelerin güvenilir şekilde kestirim edilmesine katkı sunmaktadır. Sonuçlar, Newton yönteminin makine öğrenimiyle birleştirilmesinin, anizotropik ortamlarda özdirenç kestirimini ve sınır tespitini önemli ölçüde iyileştirdiğini göstermektedir.

Özet (Çeviri)

This study aims to accurately estimate layer boundaries and resistivity values from induction well log data in directionally dependent (anisotropic) subsurface formations. Electrical anisotropy complicates the interpretation of well logs and can lead to significant errors in reservoir characterization. To address this, the study employs both classical and fractional derivative methods to enhance the precision of boundary detection. Apparent resistivities are initially calculated using the imaginary components of vertical and horizontal magnetic fields. These values are then refined through Newton's iterative method to approximate true resistivities. Subsequently, artificial neural networks (ANN) and generalized regression neural networks (GRNN) are trained using synthetic datasets to predict resistivity values. The performance of various training algorithms—Levenberg-Marquardt, Bayesian Regularization, Scaled Conjugate Gradient, Resilient Backpropogation and GRNN—is systematically compared. The methodology has been validated on homogeneous, two-, and three-layer synthetic models and has been extended to complex multi-layer benchmark models, including the Oklahoma and a data set measured in wells along the coastline of Florida. This integrated approach enables more accurate modelling of subsurface formations and supports reliable estimation of porosity and water saturation—key parameters in petroleum reservoir evaluation. The results demonstrate that combining Newton's method with machine learning significantly improves resistivity estimation and boundary detection in anisotropic environments.

Benzer Tezler

  1. Tez No

    1612

    Kozan-Elmadağı (Adana ili) arasının jeolojisi (Doğu Toroslar, Türkiye)

    Başlık çevirisi yok

    ABDÜLKADİR AYHAN

    Doktora

    Türkçe

    Türkçe

    1987

    Jeoloji Mühendisliğiİstanbul Üniversitesi

    Jeoloji Ana Bilim Dalı

    PROF. DR. MEHMET AKARTUNA

  2. Tez No

    423779

    Doğru akım özdirenç verilerinin yön bağımlı (anizotropik) ortamlarda modellenmesi

    A modelling of direct current resistivity data in anisotropic media

    TÜRKER YAS

    Doktora

    Türkçe

    Türkçe

    2015

    Jeofizik MühendisliğiKocaeli Üniversitesi

    Jeofizik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ERTAN PEKŞEN

  3. Tez No

    128897

    Gümüşköy (Kütahya) gümüş yatağının jeokimyasal modellemesi

    Geochemical modelling of the Gümüşköy (Kütahya) silver deposit

    FETULLAH ARIK

    Doktora

    Türkçe

    Türkçe

    2002

    Jeoloji MühendisliğiSelçuk Üniversitesi

    Jeoloji Mühendisliği Ana Bilim Dalı

    PROF. DR. SEDAT TEMUR

  4. Tez No

    371092

    Yön bağımlı yüzey özelliklerinin etkisi altında heteroepitaksiyel gerginliğe sahip kuantum noktaların oluşumunun bilgisayar modellemesi

    Başlık çevirisi yok

    MERT YİĞİT ŞENGÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Mühendislik BilimleriTobb Ekonomi ve Teknoloji Üniversitesi

    Mikro ve Nanoteknoloji Ana Bilim Dalı (disiplinlerarası)

    YRD. DOÇ. DR. ERSİN EMRE ÖREN

  5. Tez No

    671353

    Karbon ve tungsten tabanlı memristör içeren kondansatör devrelerinin yön bağımlı dolması ve boşalmasının incelenmesi

    Examination of polarity-dependent charging and discharging of capacitor circuits containing carbon and tungsten based memristors

    CEYLAN DALMIŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiTekirdağ Namık Kemal Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. REŞAT MUTLU

Geri Dön