Geri Dön

Comparison of geostatistics and artificial neural networks in reservoir property estimation

Rezervuar parametre kestiriminde jeoistatistik ve yapay sinir ağları?nın karşılaştırılması

  1. Tez No: 255239
  2. Yazar: SADUN ARZUMAN
  3. Danışmanlar: PROF. DR. NURKAN KARAHANOĞLU
  4. Tez Türü: Doktora
  5. Konular: Jeoloji Mühendisliği, Geological Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2009
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Jeoloji Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 162

Özet

Bu çalışmada, incelenen rezervuarın her noktasındaki parametreleritanımlayabilmek için, 3B sismik veriler kuyu verileri ile entegre edilmiştir. Bu amacıbaşarabilmek için, jeoistatistik ve yapay sinir ağları (YSA) yöntemleri kullanılmıştır.İlk olarak, mevcut olmayan kuyu logları empirik ilişkilier ve YSA ileönkestirilmiştir. Empirik kestirimler doğrusal bağımlı genelleştirilemeyen sonuçlargöstermiştir. Diğer tarafttan, YSA mevcut olmayan logları yüksek doğruluktabulabilmiştir. Sonik loglar %90 korelasyon katsayısı ile bulunmuştur. İkinci olarak,akustik empedans parametresi çalışma alanında önkestirilmiştir. Sonik log ve GRNNtekniği kullanılarak yapılan önkestirim işleminde %88 korelasyon katsayısı eldeedilmiştir. Akustik empedans kestirimi daha sonra sonik ve rezistivite loglarıkullanılarak tekrar edilmiş ve sonuçlar iyilieştirilmiş ve %94 korelasyon sağlanmıştır.Çalışmanın son kısmında, SGS jeoistatistiksel similasyon algoritmasıcollocated cokriging tekniği ile birlikte kullanılarak sonik porozite parametresiönkestirilmiştir. Algorıtmanın çalışma prensibinden dolayı sonuçlar çeşitli olmuştur.Daha sonra, GRNN algoritması sonik porozite parametresini önkestirmek içinkullanılmış ve GRNN ile yüksek bir korelasyon sonucu elde edilmiştir.Bu çalışmanın sonuçları, çalışma alanında YSA'nın rezervuarparametrelerini önkestirebilmek için çok güçlü bir yöntem olduğunu, mevcutverilerden lineer olmayan ilişkiler kurarak göstermiştir.

Özet (Çeviri)

In this dissertation, 3D surface seismic data was integrated with the well logsto be able to define the properties in every location for the reservoir underinvestigation. To accomplish this task, geostatistical and artificial neural networks(ANN) techniques were employed.First, missing log sets in the study area were estimated using commonempirical relationships and ANN. Empirical estimations showed linear dependentresults that cannot be generalized. On the other hand, ANNs predicted missing logswith an very high accuracy. Sonic logs were predicted using resistivity logs with 90%correlation coefficient. Second, acoustic impedance property was predicted in thestudy area. AI estimation first performed using sonic log with GRNN and 88% CCwas obtained. AI estimation was repeated using sonic and resistivity logs and theresult were improved to 94% CC.In the final part of the study, SGS technique was used with collocatedcokriging techniques to estimate NPHI property. Results were varying due to natureof the algorithm. Then, GRNN and RNN algorithms were applied to predict NPHIproperty. Using optimized GRNN network parameters, NPHI was estimated withhigh accuracy.Results of the study were showed that ANN provides a powerful solution forreservoir parameter prediction in the study area with its flexibility to find out nonlinearrelationships from the existing available data.

Benzer Tezler

  1. Applicability of geostatistical and fractal techniques for characterizing and deriving reservoir grid-block values for numerical simulation

    Jeoistatiksel ve fraktal tekniklerinin sayısal simülasyonda kullanılarak rezervuar blok değerlerinin hesaplanması ve krakterizasyonu için uygulanabilirliği

    BURAK YETEN

    Yüksek Lisans

    İngilizce

    İngilizce

    1997

    Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik Üniversitesi

    Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. FEVZİ GÜMRAH

  2. Toprak özelliklerinin tahmininde jeoistatistiksel ve spektroradyometrik yöntemlerin karşılaştırılması

    Comparison of geoistatistic and spectroradiometric methods for estimation of soil properties

    FATMA KAPLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    ZiraatHarran Üniversitesi

    Toprak Bilimi ve Bitki Besleme Ana Bilim Dalı

    PROF. DR. ALİ VOLKAN BİLGİLİ

  3. Perez dış ortam gün ışığı aydınlık modelinin adaptif ağ tabanlı bulanık çıkarım sistemi (ANFIS) temelinde geliştirilmesi

    Improvement of perez daylight model on the base of adaptive network based fuzzy inference systems (ANFIS)

    BİHTER DURNA

    Doktora

    Türkçe

    Türkçe

    2018

    Enerjiİstanbul Teknik Üniversitesi

    Meteoroloji Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET DURAN ŞAHİN

  4. Fay zonlarının sondaj verileri kullanılarak bilgisayar yardımıyla belirlenmesi

    Computer aided detection of fault zones by using drill hole data

    MEHMET SUPHİ ÜNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Maden Mühendisliği ve MadencilikHacettepe Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    PROF. DR. BAHTİYAR ÜNVER

  5. Çok değişkenli maden yataklarında rezerv tenör tahmininde jeoistatistik ve coğrafi bilgi sistemleri tekniklerinin kullanımı

    Geostatistics and geographic information sysytems usage of reserve and grade estimation in multivariate mineral deposits

    HAKAN UYGUÇGİL

    Doktora

    Türkçe

    Türkçe

    2007

    Maden Mühendisliği ve MadencilikEskişehir Osmangazi Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    PROF.DR. ADNAN KONUK