Well test model identification by artifical neural networks
Yapay sinir ağları ile kuyu testleri değerlendirme modelinin tanımlanması
- Tez No: 29258
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA VERSAN KÖK
- Tez Türü: Yüksek Lisans
- Konular: Petrol ve Doğal Gaz Mühendisliği, Petroleum and Natural Gas Engineering
- Anahtar Kelimeler: Kuyu Testi Analizi, Şekil Betimlenmesi, Yapay Sinir Ağları, Benzetim, Kuyular, Performans analizi, Test yöntemleri, Well Test Analysis, Pattern Recognition, Artificial Neural Networks, Simulation, Wells, Performance analysis, Test methods
- Yıl: 1993
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Petrol Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
oz YAPAY SINIR A?LARI İLE KUYU TESTLERİ DE?ERLENDİRME MODELİNİN TANIMLANMASI KARAKAYA, Erkan Yükses Lisans Tezi, Petrol Mühendisliği Anabil im Dalı Tez Yöneticisi: Y. Doç. Dr. Mustafa Verşan KÖK Haziran, 1993, 361 Sayfa Bu çalışmanın amacı, kuyu testleri değerlendirme modelinin, basınç türevi eğrisi üzerinden, yapay sinir ağları programlama tekniği ile belirlenmesinin performans analizinin gözlemlenmesidir. Yaklaşım geri besleme v yi öğrenme algoritması olarak kullanan bir yapay sinir ağı benzetimcisinin önceden belirlenmiş bir grup analitik olarak yaratılmış kuyu testi sonuçlarını öğrenmesine dayandırılmıştır. Öğrenme aşamasını tamamlayan yapay sinir ağı benzetimcisi, bu aşamada kullanılmayan örneklerle smanmıştır. Yeterli sayıda örnek kuyu testi sonucu hazırlanabilmesi için, bir grup kuyu testi değerlendirme modelinin sonuçlarını analitik olarak hesaplayabilecek alt yordamlar yazıldı. Hem yapay sinir ağı benzetimcisi, hem de analitik kuyu testi sonucu hesaplayan yordamlarbir paket program altında birleştirildi. Ek olarak bu paket, model betimleme eğrilerini çizme, veri alış verişini yapabilme ve sayısal eleme işlevlerini uygulayabilecek özelliklerle donatıldı. Literatürde belirtilen benzerlerinden farklı olarak, bu çalışmada kullanılan dağıtılmış modüler yapının yapay sinir ağı benzetimcisinin öğrenme aşamasında karşılaşılan, öğrenmenin durması olayı ile karşılaşılması olasılığını düşürdüğü gözlemlenmiştir. Bunun dışında, dağıtılmış modüler yapı öğrenme işlevinin farklı bilgisayarlarda aynı anda yapılmasına izin vererek, bu süreçte gereksinilen zamanı onaltıda birine kadar düşürebileceği gözlemlenmiştir. Paketin güvenirliliği yapay olarak yaratılan yada literatürden alman örneklerle test edilerek, farklı durumlardaki davranışları gözlemlenmiştir.
Özet (Çeviri)
ABSTRACT WELL TEST MODEL IDENTIFICATION BY ARTIFICIAL NEURAL NETWORKS KARAKAYA, Erkan M.S. in Petroleum Engineering Supervisor: Assistant Professor Dr. Mustafa V. KÖK June, 1993, 361 pages, The aim of this study is to investigate the performance of artificial neural networks computing technology, to identify preliminary well test interpretation model based on the derivative plot. The approach is based on training the neural network simulator,that uses backpropagation as the learning algorithm, for a predefined range of analytically generated well test responses. The trained network is then requested to identify the well test interpretation model for test data which is not used during training sessions. For creation of training examples, an analytical response generator is implemented which is capable of producing responses of various models. Both the neural network simulator and the analytical response generator is enfolded into a single 111package which is capable of producing diagnosis plots, transferring data and filtering the input pattern. Unlike the ones presented in literature, the package utilizes a distributed modular structure, by which saturation possibility of the neural network is reduced considerably. Moreover, the distributed structure allows the training sequence to be initiated on different computers, thus reducing the training time up to 16 folds. The package is verified with several examples, which are either analytically generated or taken from literature.
Benzer Tezler
- Farklı katı yakıt türlerinin üst ısıl değerlerinin çoklu lineer regresyon, karar ağacı, random forest ve yapay sinir ağları yöntemleriyle belirlenmesi
Prediction of calorific value of solid fuel by multiple linear regression, decision tree, random forest and artificial neural network
KAAN BÜYÜKKANBER
Yüksek Lisans
Türkçe
2022
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HANZADE AÇMA
- İmalat sistemlerinin tasarlanması ve öncelik kurallarının belirlenmesinde yapay sinir ağlarının kullanılması
<the use of neural networks in determination of the manufacturing systems design and dispatching rules
TARIK ÇAKAR
Doktora
Türkçe
1997
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. AYHAN TORAMAN
- Afet yönetimi odaklı hücresel ağ kapsama performansı için mekansal yapay zeka tabanlı model önerisi
Geospatial artificial intelligence (GeoAI) based model proposal for cellular network coverage performance with a focus on disaster management
GÜZİDE MİRAY PERİHANOĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİMMET KARAMAN
- Gan güç transistörlerinin anahtar kayıplarının nöral ağ tabanlı modellenmesi
Neural network based modeling of switching losses in gan power transistors
ALİİMZA DAŞDEMİR
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET ONUR GÜLBAHÇE
- Short term electricity load forecasting with deep learning
Derin öğrenme ile kısa dönemli elektrik yük talep tahmini
İBRAHİM YAZICI
Doktora
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA