Development of a prone network model and a neural network model to be coupled to simulate porous medium
Bağdaştırılmış gözenek ağları modeli ve sinir ağları modelinin gözenekli ortamın betimlenmesi için geliştirilmesi
- Tez No: 119223
- Danışmanlar: PROF. DR. M. R. BİROL DEMİRAL
- Tez Türü: Yüksek Lisans
- Konular: Petrol ve Doğal Gaz Mühendisliği, Petroleum and Natural Gas Engineering
- Anahtar Kelimeler: Gözenek Ağlan, Üç Fazlı Göreli Geçirgenlik, Yapay Sinir Ağlan vı, Pore Networks, Three Phase Relative Permeability, Artificial Naural Networks IV
- Yıl: 2002
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 246
Özet
öz BAĞDAŞTIRILMIŞ GÖZENEK AĞLARI MODELİ VE SİNİR AĞLARI MODELİNİN GÖZENEKLİ ORTAMIN BETİMLENMESİ İÇİN GELİŞTİRİLMESİ KARAMAN, Türker Yüksek Lisans, Petrol ve Doğal Gaz Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. M.R. Birol DEMİRAL NİSAN 2002, 218 sayfa Bu çalışmada İM ve üç fazlı göreli geçirgenlik verilerinin elde edilebilmesi amacıyla bir Gözenek Ağlan Modeli (GAM) geliştirilmiştir. Elde edilen sonuçların yayınlanmış verilerle uyuştuğu gözlemlenmiştir. îki fazlı petrol-su imbibisyon simülasyonlarında, değme açısı arttırıldığında ötelenemeyen su doymuşluğunun azaldığı bunun yanında petrolgöreli geçirgenliğinin arttığı gözlemlenmiştir; üç fazlı öteleme verileri dikkate alındığında, su ve gaz göreli geçirgenliklerinin sadece kendi doymuşluklarına bağlı olduğu fakat petrol göreli geçirgenliğinin su ve gaz doymuşluklarının yanı sıra kendisine ait ilk ve öteleme doymuşluklarına bağlı olduğu tespit edilmiştir. Değme açısı arttırıldığında üç fazın birlikte bulunduğu bölgenin genişlediği ve petrol göreli geçirgenliği arttığında petrol izopermlerinin konkavitesini kaybederek % 100 petrol doruğuna doğru doğrusallaştığı da gözlemlenmiştir. Petrol izopermlerini tahmin eden en iyi yapıyı elde etmek amacıyla Yapay Sinir Ağlan (YSA) bünyesinin, değiştirildiği dört ayrı faz YSA modelinin geliştirilmesi için tamamlanmıştır. GAM'dan elde edilen veriler kullanılarak öğrenme aşaması tamamlanmış ve YSA'nın talimin edebilme yeteneği test edilmiştir. GAM ve YSA'dan elde edilen sonuçlar karşılaştırıldığında, alakasız verilerin YSA modelinin eksiksiz bir şekilde tahmin edebilme yeteneğini düşürdüğü görülmüştür. Son olarak YSA'nın yapısı değiştirilerek izoperm eğilimlerinin etkili olarak tahmin edildiği ve tahminlerin toplam kalitesinin arttırıldığı gözlemlenmiştir.
Özet (Çeviri)
ABSTRACT DEVELOPMENT OF A PORE NETWORK MODEL AND A NEURAL NETWORK MODEL TO BE COUPLED TO SIMULATE POROUS MEDIUM KARAMAN, Türker M.Sc, Department of Petroleum and Natural Gas Engineering Supervisor: Prof. Dr. M.R. Birol DEMÎRAL APRIL 2002, 218 pages In this study a Pore Network (PN) tool was developed in order to obtain two and three phase relative permeability values. It has been found that, the observed results agree with published data. It has been found that, as contact angle increased irreducible water saturation decreased and oil relative permeability increased for two phase oil- water imbibition simulations; by taking into account the three phase iiidisplacement data it has been observed that, water and gas relative permeabilities are only dependent on their own saturations but oil relative permeability is dependent on its initial and own saturations in addition to water and gas saturations. It was also observed that, as contact angle increased the three phase region enlarged and as relative permeability of oil increased the oil isoperms became linear from concave towards the 100 % oil apex. In the development of the Artificial Neural Network (ANN) tool four different stages in which ANN structures were changed in order to find the best architecture that would predict the oil isoperms were implemented. By using the data obtained from PN model, training was implemented and also the prediction power of that tool was tested. When the data obtained from PN and ANN tools were compared, it has been found that irrelevant variables affected the ANN model in a negative way as decreasing its ability to learn perfectly. Finally, it has been observed that, trends of the isoperms were effectively predicted and the overall quality of predictions was improved by changing the ANN structure.
Benzer Tezler
- Physics guided neural network based state-of-charge estimator for lithium-ion batteries
Lithium-ion piller için fizik destekli sinir ağı tabanlı şarj durumu tahmincisi
FEDI SALHI
Yüksek Lisans
İngilizce
2022
Mekatronik MühendisliğiYıldız Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERHAN AKDOĞAN
- Tarımsal ortamlarda bitki hastalıklarının gerçek zamanlı tespiti için yapay zekâ tabanlı melez algoritma tasarımı
Design of an artifical intelligence based hybrid algorithm for real-time detection of plant diseases in agricultural environments
İLAYDA YAĞ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYTAÇ ALTAN
- Akciğer ve kolon kanserinin histopatolojik görüntüler üzerinde derin öğrenme yöntemleri kullanılarak tespiti
Detection of lung and colon cancer using deep learning methods on hystopathological images
TÜRKAN BEYZA KARA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET CEVAHİR ÇINAR
- A metric learning based system for retail product recognition and novel class discovery
Metrik öğrenme tabanlı ürün tanıma ve yeni ürün keşfetme sistemi
İBRAHİM ŞAMİL YALÇINER
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Hand structure detection and suitable nail type recommendation system
El yapısı tespiti ve uygun tırnak tipi öneri sistemi
YAĞMUR YARIMBIYIK
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiBaşkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAMİT ERDEM