Application of artificial neural networks to predict the downhole inclination in directionally drilled geothermal wells
Yönlü sondaj yöntemi ile delinen jeotermal kuyularda yapay zeka kullanılanarak taban kuyu eğiminin saptanması
- Tez No: 506684
- Danışmanlar: PROF. DR. SERHAT AKIN
- Tez Türü: Yüksek Lisans
- Konular: Petrol ve Doğal Gaz Mühendisliği, Petroleum and Natural Gas Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- 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: 106
Özet
Doğal yollar ile kırılmış olan jeotermal rezervuarlarını yönlü sondaj yöntemi ile delmek çok zordur çünkü bu doğal kırılmalar sondaj esnasında kuyunun eğiminde ve azimutunda ani değişikliklere sebep olmaktadır. Bu ani değişimler matkaba iletilen ağırlığın yetersiz olmasına, sondaj hızının düşmesine, sondaj dizisini sıkıştırma olasılığının artmasına ve koruma borularının indirilmesi esnasında oluşabilecek sorunların artmasına yol açmaktadır. Sondaj esnasında kuyu eğiminde oluşabilecek ani değişiklikleri önceden tahmin edebilmek için bu çalışmada geri yayılımlı, çok katmanlı yapay zekâ modeli oluşturulmuştur. Modelin veri tabanı 14 tane sondaj parametresinin 7600 verisinden oluşmaktır. Bu veri tabanı daha önceden Büyük Menderes Graben'i bölgesinde kazılmış olan 12 tane jeotermal sondaj kuyusundan toplanmış olup her bir sondaj parametresinin kuyu eğimi üzerindeki etkisi hazırlanmış modeli kullanarak farklı senaryo ve farklı kuyu çaplarında incelenmiştir. Bunlara ek olarak, test edilen bir örnek kuyunun yönlendirilmeye başlandığı derinlikten son derinliğine kadar ki sondaj aralığında tüm 30 metrelik kuyu eğimi ölçümleri modeli kullanarak bulunmuş ve gerçek ölçümlerle karşılaştırılmıştır. Modelin doğruluğu ve kalitesini ölçmek için kullanılmış olan ortalama karesel hata verileri incelendiğinde bu çalışmada kullanılan yapay zekâ modelinin kuyu eğimini ölçmede çok başarılı olduğu ve sonuçların memnun edici olduğu görülmüştür. Sonuçlar incelendiğinde modelin kuyu açısını 0.42% ortalama karesel hata ile tahmin ettiği ve test verisi kullanıldığında bu değerin 1.19% olduğu gözlemlenmiştir. Ek olarak, sondaj parametrelerinin kuyu eğimi üzerindeki etkisini detaylı olarak incelendiğinde, matkaba uygulanan ağırlık, matkabın bir dakikadaki devri ve basınç arttığında, kuyu eğiminin arttığı gözlemlenmiştir. Ancak, debideki artışın kuyu eğimini düşürdüğü görülmüştür. Örnek sondaj kuyusunun da kuyu eğimini 0.59% ortalama karesel hata ile tahmin ettiği görülmüştür ve modelin veri tabanını ezberlemediği sonucuna varılmıştır. Ayrıca, her bir sondaj parametresinin model üzerindeki etkisini incelemek için model sırasıyla bu parametrelerin veri setinden çıkartılması sonrasında çalıştırılmıştır. Sonuçlar incelendiğinde matkabın toplam akış alanı, IADC kodu ve matkaba uygulanan ağırlığın model üzerindeki etkisinin diğer parametrelere göre daha fazla olduğu gözlemlenmiştir.
Özet (Çeviri)
Drilling directionally through naturally fractured geothermal reservoirs is a challenging task due to unexpected changes in inclination and azimuth of the well axis, which causes inefficient weight on bit transfer, decrease in penetration rate, increasing the risk of stuck pipe and problems in while running casings. To predict the sudden changes in inclination while drilling, a back propagation, feed forwarded multi layered artificial neural network (ANN) model, which uses drilling data collected from 12 J-type directionally drilled geothermal wells from Büyük Menderes Graben was developed. The training dataset consisted of 7600 individual drilling data. During the training process, effects of each drilling parameter on inclination were investigated with different scenarios for different hole sizes. Moreover, inclination predictions were carried out for a field case in which kick off point to the target depth with 30 meters survey intervals and results were compared. It has been found that developed ANN model provided satisfactory results based on the mean-square-error (MSE) value which was measured to check accuracy and quality of each training. The MSE of the training data set is 0.42% and the neural networks predicts the testing data with 1.19% MSE value. According to the sensitivity analysis, it has been found out that as WOB, Bit Revolution Per Minute (RPM) and Stand Pipe Pressure (SPP) increase, inclination increases. On the other hand, increment in flow rate leads to drop in inclination. Moreover, the result of the case study was 0.59% MSE which concludes that network is not memorizing the data. In addition, different ANN's were created by omitting some drilling parameters to analyze individual effects of each parameter on network accuracy. The results indicated that, Total Flow Area (TFA), International Association of Drilling Contractors (IADC) code and Weight on Bit (WOB) have the highest impact on network dataset when compared to other drilling parameters.
Benzer Tezler
- A Comparative study of artificial neural network and the alternative statistical methods
Yapay sinir ağları ve alternatif istatistik metodlarının karşılaştırmalı çalışması
FERAY ADIGÜZEL
Yüksek Lisans
İngilizce
1999
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. QAMARUL İSLAM
- Dalgacık dönüşümü ve derin öğrenme yöntemleri ile hisse senedi fiyat tahmini
Stock price prediction with wavelet transform and deep learning methods
ÇAĞRI ÇOBAN
Yüksek Lisans
Türkçe
2023
EkonometriAydın Adnan Menderes ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. ELVAN HAYAT
- Medical decision support applications using artificial intelligence techniques
Yapay zeka teknikleri ile tıbbi karar destek uygulamaları
ELİF DOĞU
Doktora
İngilizce
2019
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. YILDIZ ESRA ALBAYRAK
DOÇ. DR. ESİN TUNCAY
- Kara Kuvvetleri Komutanlığında intihar olaylarının incelenmesi ve erbaş/er intiharlarının öngörülmesinde yapay sinir ağlarının kullanılması
Application of artificial neural networks to predict soldier suicides in the Turkish Army
İSMAİL AKIN
Yüksek Lisans
Türkçe
2004
Savunma ve Savunma TeknolojileriKara Harp Okulu KomutanlığıHarekat Araştırması Ana Bilim Dalı
Y.DOÇ.DR. BİROL YILDIZ
- Yapay sinir ağ modelleri ve bir tekstil firmasında uygulama
Artificial neural network models and an application at a textile firm
VESİLE SİNEM ARIKAN KARGI