Geri Dön

Yapay sinir ağı ve genetik ters çözüm yöntemleri kullanılarak sismik verilerin yorumlanması: Kuzey Açık Denizi'ndeki Hollanda örneği

Interpretation of seismic data using artificial neural network and genetic inversion: Holland data example from North Sea offshore

  1. Tez No: 667477
  2. Yazar: SÜLEYMAN ALEMDAR
  3. Danışmanlar: DOÇ. DR. ERTAN PEKŞEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Jeofizik Mühendisliği, Geophysics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Jeofizik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 64

Özet

Kuzey Denizi'nin bir parçası olan Hollanda (The Dutch sector) 57.000 km2 alan kaplamaktadır. Hollanda açık deniz sediman çökelimlerinde birçok kanıtlanmış, petrol ve gaz arama faaliyetleri de gerçekleştirilen orta Paleozoyik yaşlı hidrokarbon sistemi mevcuttur. Bu petrol sistemi içerisinde kalın Permiyen Zechstein tuz tabakası yapısal ve stratigrafik olarak etkili ekonomik hidrokarbon içeren kapanlar sunmaktadır. Bu alanda, daha önce deniz tabanının morfolojisinin belirlenmesi, genel stratigrafik yapının ortaya çıkarılması ve hidrokarbon aramacılığı amacıyla birçok sismik veri toplama ve kuyu açma faaliyeti gerçekleştirilmiştir. Bu çalışmada; Kuzey Deniz Hollanda (North Sea Dutch Sector) alanı Pliyosen yaşlı birimleri içerisinde yığma sonrası sismik veri (1900 m) ve kuyu logu (dört kuyu) kullanılarak; zaman-derinlik dönüşümü, formasyon giriş yüzey haritalama ve sismik yorumlama log korelasyonu çalışmaları yapılmıştır. Bu çalışmada ana sismik nitelik olarak, sinir ağı ve genetik algoritma kombinasyonundan oluşan Schlumberger patentli Petrel yazılım programı içerisindeki hacim niteliklerinden genetik ters çözüm niteliği kullanılmıştır. Bu nitelik, klasik ters çözüm yöntemlerinden hem veri girdisi hem de işlem için gerekli süre bakımından daha etkilidir. Ayrıca bu ters çözüm yöntemi klasik ters çözüm yöntemlerine göre daha duyarlı ve daha kesin sonuç vermektedir. Bu sismik niteliğin yanı sıra karşılaştırma amaçlı olarak göreceli akustik empedans (RAI), Ortalama Karekök Genlik (RMS) sismik nitelikleri de araştırılmıştır. Genetik ters çözüm sonrası elde edilen verilerin, sinir ağı öğrenme ve ters çözüm öncesi veriler ile korelasyon karşılaştırması yapılmıştır. Girdi ve çıktı veri kümelerinin uyuşma oranı genetik ters çözüm niteliğinin; hidrokarbon potansiyeli olan yapıların belirlenmesi ve kuyu korelasyonlarının gerçekleştirilmesi ve stratigrafik yorum yapılması amacıyla kabul edilebilir olduğunu ortaya koymuştur.

Özet (Çeviri)

The Dutch sector, which is part of the North Sea, covers 57,000 km2. Dutch offshore sediment deposited areas have many proven middle Paleozoic aged hydrocarbon systems where petroleum and gas exploration activities have been carried out since the 1960s. In this petroleum system, the thick Permian Zechstein salt layer provides an effective cap stratigraphically and structurally. Many seismic data acquisition and well drilling activities were carried out for; delineating the morphology of the sea floor, revealing the general stratigraphic structure of the area and hydrocarbon exploration. In this study; using the post-stack seismic data (up to 1900 m) and well log (four wells) within the Pliocene aged units of the North Sea Dutch Sector area; time-depth conversion, formation surface mapping, seismic interpretation, and log correlation were obtained. The combination of neural network and genetic algorithm methods which is called as a genetic inversion (GI) method was used as the main seismic attribute from the volume attributes of the Schlumberger patented Petrel software. This attribute is more effective than classical inversion methods in terms of both data input and run time for the process. In addition, GI method gives more sensitive and more precise results than conventional inversion methods. Further, relative acoustic impedance (RAI), Mean Square Root Amplitude (RMS) attributes were applied for correlation. The GI results were compared with the data that used as input before the neural net learning step and inversion process. The correlation ratio between input data and inversion results indicated that the GI attribute can be used for; hydrocarbon exploration, well correlation, and stratigraphic interpretation.

Benzer Tezler

  1. Melez genetik algoritmalar ile yapı-tabanlı model gerçekleme

    Structure-based model verification by hybrid genetic algorithms

    İRFAN AKCA

    Doktora

    Türkçe

    Türkçe

    2010

    Jeofizik MühendisliğiAnkara Üniversitesi

    Jeofizik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET TUĞRUL BAŞOKUR

  2. Paralel mekanizmaların çalışma uzayı analizinde kullanılan yapay sinir ağı yapısının genetik algoritmalar ile belirlenmesi

    Determination of the neural network structure used in parallel mechanism?s workspace analyses by genetic algorithms

    ZEYNEP EKİCİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Disiplinlerarası Ana Bilim Dalı

    PROF. DR. İBRAHİM ÖZKOL

    YRD. DOÇ. DR. VASFİ EMRE ÖMÜRLÜ

  3. Üç serbestlik dereceli bir robotun, yapay sinir ağları ve genetik algoritma kullanılarak engelli ortamda çarpışmasız yörünge planlaması

    Realize the collision free path planning with obstacles environment of three degrees of freedom robot using artifical neural networks and genetic algorithm

    SERHAT AKSUNGUR

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Makine MühendisliğiSelçuk Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. KORAY KAVLAK

  4. Yapay sinir ağlarında öğrenme algoritmalarının analizi

    Analysis of learning algorithms in neural networks

    SEVİNÇ BAKLAVACI

  5. Analysis and synthesis of reflectarray antenna

    Yansıtıcı dizi anten analiz ve sentezi

    SELAHATTİN NESİL

    Doktora

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. FİLİZ GÜNEŞ

    PROF. DR. BAHATTİN TÜRETKEN