Geri Dön

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

  1. Tez No: 119223
  2. Yazar: TÜRKER KARAMAN
  3. Danışmanlar: PROF. DR. M. R. BİROL DEMİRAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Petrol ve Doğal Gaz Mühendisliği, Petroleum and Natural Gas Engineering
  6. Anahtar Kelimeler: Gözenek Ağlan, Üç Fazlı Göreli Geçirgenlik, Yapay Sinir Ağlan vı, Pore Networks, Three Phase Relative Permeability, Artificial Naural Networks IV
  7. Yıl: 2002
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2022

    Mekatronik MühendisliğiYıldız Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ERHAN AKDOĞAN

  2. 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

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiZonguldak Bülent Ecevit Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYTAÇ ALTAN

  3. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET CEVAHİR ÇINAR

  4. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HAZIM KEMAL EKENEL

  5. Hand structure detection and suitable nail type recommendation system

    El yapısı tespiti ve uygun tırnak tipi öneri sistemi

    YAĞMUR YARIMBIYIK

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiBaşkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMİT ERDEM