Prediction of api gravity (oil quality) using some geochemical parameters with ensemble boosted trees and smoothing spline correlation models
Küme destekli ağaçlar ve düzleştirme eğrisi korelasyon modelleri ile bazı jeokimyasal parametreler kullanılarak apı gravitesinin (petrol kalitesinin) tahmini
- Tez No: 683827
- Danışmanlar: DR. ÖĞR. ÜYESİ YILDIRAY PALABIYIK
- Tez Türü: Yüksek Lisans
- Konular: Petrol ve Doğal Gaz Mühendisliği, Petroleum and Natural Gas Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Petrol ve Doğal Gaz Mühendisliği Bilim Dalı
- Sayfa Sayısı: 187
Özet
Bu çalışmanın amacı, izoprenoid-alkan oranlarının kısmi etkilerinin (Pr/nC17 ve Ph/nC18 oranlarının) petrolün API gravitesi üzerindeki istatistiksel önemini araştırmaktır. Buna ek olarak, petrolün jeokimyasal biyobelirteç parametrelerini, özellikle Pr/nC17 ve Ph/nC18 oranlarını kullanarak Küme Destekli Ağaçlar makine öğrenimi ve Düzleştirme Eğrisi gibi modellerle nicel korelasyon oluşturmak suretiyle güçlü regresyon analitik araçları kullanarak petrolün API gravitesini tahmin etmektir. Bu amaçlarla, dünya çapındaki saha verilerinden Pr/nC17 ve Ph/nC18 ile API gravitesi (petrol kalitesi) arasında modeller oluşturulmuştur. Son olarak, geliştirilen modelleri kullanarak belirli API graviteleri için Pr/nC17 ve Ph/nC18 oranlarını hesaplamaya çalışmaktır. Sonuç olarak, izoprenoid-alkan oranı yöntemini kullanan API tahmininin, yüzey (doğal kaynak) sularından TPH parametresine dayalı yeraltı petrol rezervuarlarının tahmininde bir geçit görevi görmesi muhtemeldir. API gravitesi, Amerikan Petrol Enstitüsü'nün ham petrolün özgül ağırlığının ifadesidir ve ham petrol yoğunluğunu değerlendirmede küresel olarak kabul edilen birimdir. API gravitesine göre ham petroller, ekstra ağır, ağır, orta ağır, hafif ve yoğuşuk olarak kategorize edilebilir. Petrol arama faaliyetleri, planlama ve üretimdeki karar verme süreçlerinin ayrılmaz bir parçasıdır ve bu da rezervuarda beklenen petrol türünden, örneğin ağır veya hafif petrol olması durumunda etkilenir. Ekonomik bir ön koşul olduğu kanıtlandığında, bir sahadaki veya havzadaki ham petrollerin fiziksel veya yığın özelliklerinin kesin olarak tahmin edilmesi, sondaj ve üretim maliyetlerinin doğrulanması için çok önemlidir. Ham petrolün yığın özellikleri, API gravitesi, viskozite, kükürt konsantrasyonu, metal içeriği ve hidrokarbon bileşiklerinin bileşimini içerir. Bu nedenle, bu çalışmada sunulan yöntemler, yüksek riskli arama faaliyetlerinde maliyeti düşürecek yeni yollar bulmayı da amaçlamaktadır. Petrol jeokimyası açısından bakıldığında, petrolün API gravitesi, birikiminden sonraki değişim süreçlerinden etkilenebilir. Değişim etkileri, API gravitesi gibi petrolün karakterini değiştirerek kalitesini ve ekonomik değerini de etkiler. Bunlar, ham petrol değişiminin birincil süreçleri olarak termal olgunlaşma, asfalt giderme ve bozunmayı içerir. Ek olarak, orijinal organik madde girişi, biyolojik bozunma, su ile yıkanma ve yoğunlaşma, API gravitesini etkileyen diğer önemli faktörlerdir. Pr/nC17 ve Ph/nC18 (izoprenoid-alkan) oranları, petrolün çökelme koşullarının ve redoks potansiyelinin analizinde kullanılan petrol jeokimyası parametreleridir. Farklı petrol gruplarını ve kaynaklarını ayırt etmede de kullanılırlar. Üstelik, biyolojik olarak parçalanmamış petrollerin ve bitümün termal olgunluk seviyesinin değerlendirilmesine yardımcı olurlar. Aynı anda, yukarıda bahsedilen dönüşüm süreçleri bu izoprenoid-alkan oranlarını etkiler. Pr/nC17 ve Ph/nC18 oranlarını etkileyen faktörler API gravitesini (petrol kalitesi) etkileyen faktörlerle benzer olduğundan, bu jeokimyasal parametrelerin ve API gravitesinin ilişkili olması beklenir. Dünyadaki birçok sahadan 694 adet ham petrol için API gravite ve bunlara karşılık gelen izoprenoid / n-alkan, yani Pristan/nC17 (Pr/nC17) ve Fitan/nC18 (Ph/nC18) jeokimyasal biyobelirteç parametrelerinden oluşan küresel bir veri seti, literatürdeki mevcut ve kamuya açık verilerle çeşitli raporlar kullanılarak bir araya getirilmiştir. Toplanan veriler, 41 farklı ülkeyi kapsayan küresel coğrafik alanları kapsamaktadır. Ayrıca, bu araştırmada kullanılan ham petroller, farklı rezervuar derinlik aralıklarından elde edilmiştir. Petrollerin bulunduğu litolojilerin yaşları da geniş bir jeolojik çağ aralığına aittir. Bir araya getirilen ham petrol verileri, farklı havzalardan veya sahalardan değişik sayıda farklı oluşumlara sahiptir. Kullanılan ham petroller, farklı redoks koşulları altında birikmiştir. Benzer şekilde, petrol-petrol veya petrol kaynağı korelasyonları, konumlarına ve birikim ortamlarına göre farklı ilişkiler sergilemiştir. Kullanılan ham petrol verileri, aynı zamanda farklı olgunluklara sahip kayaçlardan oluşturulmuştur. Bu araştırma, 20-45⁰API gravite aralığındaki ham petrolleri kapsamaktadır. Toplanan veriler bu stratejiyi yansıtacak şekilde işlenmiştir. Toplanan ham verilerde, çan eğrisi şeklinde normal bir dağılım varsayılmıştır. Böylece, normal dağılımın merkezi limit teoremi uygulaması ve ham petrolün ortaya çıkan özelliklerinin jeolojik zaman ve değişim süreçlerinden dolayı tek bir parametrenin veya birimin parçalanma etkileri de verilere yansıtılmıştır. Bu şekilde, kapsamlı ve kompakt bir modele sahip olmak için petrollerin API gravitelerinin ve aynı kaynağa karşılık gelen Pr/nC17 ve Ph/nC18 oranlarının ortalaması alınarak kullanılan verilerin daha rafine olması sağlanmıştır. Toplanan veriler üzerinde çıkarımsal hipotez testi kullanılarak, Pr/nC17 ve Ph/nC18 oranlarının API gravitesi üzerindeki kısmi etkilerinin istatistiksel anlamlılığı araştırılmıştır. Örneğin, ham verinin 9.21x10-15 olan p değeri, Pr/nC17 ve Ph/nC18 oranlarının API gravitesi üzerindeki kısmi etkilerinin %95 güven seviyesinde istatistiksel olarak anlamlı olduğunu göstermektedir. Benzer şekilde, işlenen veriler (20-45⁰API graviteli petroller), Pr/nC17 ve Ph/nC18 oranlarının API gravitesi üzerindeki kısmi etkilerinin de istatistiksel olarak anlamlı olduğunu göstermiştir. API gravitesi ile Pr/nC17 ve Ph/nC18 oranlarını ilişkilendirmek ve sonunda API gravitesini tahmin etmek için kullanılan iki model, Küme Destekli Ağaçlar ve Düzleştirme Eğrisi regresyon analizleridir. Küme Destekli Ağaçlar Regresyonu, gelişmiş tahmine dayalı sonuçlar üretmek için birçok sayıda karar ağacını birleştiren ve toplayan denetimli bir makine öğrenimi yöntemidir. Bu yöntem, çok daha iyi ve doğru bir sonuç elde etmek için zayıf öğrenim karar ağaçlarını birleştirmeyi içerir. Düzleştirme Eğrisi yöntemi ise gürültülü veriler için veri noktaları arasında sürekli birinci ve ikinci türevlerle sürekli olan parçalı kübik polinom fonksiyonları oluşturarak elde edilir. API gravitesi ile Pr/nC17 ve Ph/nC18 oranları arasındaki korelasyonların, Destekli Ağaçlar Kümesi denetimli makine öğrenimi gibi regresyon araçlarından veya makul düzeyde tahmin doğruluğu ile düzleştirme eğrisi gibi işlevsel tahminlerden belirlenebileceği ortaya çıkarılmıştır. Geliştirilen Küme Destekli Ağaçlar Modeli, 0.97 R2 değerine ve 0.93 RMSE model değerine ve 5.6 RMSE test verisine sahiptir. Küme Destekli Ağaçlar modelinin tahmin doğruluk aralığı ±6⁰API'dir. Yalnızca Pr/nC17'ye göre API gravitesinin kestirimci düzleştirme eğrisi modeli, ±10⁰API'lik bir öngörüye sahip doğruluk aralığına sahiptir. Ayrıca, R2 değeri 0.93 ve RMSE 3.98 olarak bulunmaktadır. Ph/nC18'in bir fonksiyonu olarak API gravitesinin öngörülü düzleştirme eğrisi modeli, yalnızca ±10⁰API'lik bir tahmin doğruluğu göstermiştir. Bunun yanında, bu modelin 0.53 R2 ve 5.76 RMSE değerleri olarak bulunmaktadır. API gravitesini tahmin etmek için hem Pr/nC17 hem de Ph/nC18'ye göre düzleştirme eğrisi modeli hem ± 9⁰API doğruluğa sahiptir hem de R2 değeri 1'dir. Öte yandan, düzleştirme eğrisi modelleri, belirli API ağırlıkları için izoprenoid-alkan oranlarını belirlemek için başarıyla kullanılmıştır. Son olarak, 30 ve 40⁰API değerleri için Pr/nC17 ve Ph/nC18'in doğrusal bir ters ilişkiye sahip olduğu belirlenmiştir. Son olarak, Küme Destekli Ağaçlar modeli Türkiye'nin Güneydoğu bölgesindeki petrollere uygulandığında, ±3⁰API tahmin doğruluğuna sahiptir. Bu durum, %85'lik bir öngörülebilirliğe karşılık gelir. Aynı model Arap körfez sahalarından üretilen petrollere uygulandığında, model genellikle ±4⁰API tahmin doğruluğu vermektedir. Bu sonuç, %80'lik bir maksimum yüzde öngörülebilirliğine karşılık gelir. Model, sahada gaz ve şeyl varlığının baskın olduğu durumlarda biraz daha yüksek sonuçlar öngörmektedir. Öte yandan, Düzleştirme Eğrisi modelleri uygulandığında, yani sadece Pr/nC17'nin fonksiyonu olarak, sadece Ph/nC18'e göre ve hem Pr/nC17'nin hem de Ph/nC18'nin fonksiyonu olarak Türkiye'deki petrollerin kestirim doğruluk aralığı sırasıyla ±7, ±5 ve ±4⁰API'dir. Bunlar sırasıyla %65, %75 ve %80'lik bir yüzde öngörülebilirliğine karşılık gelir. Bunlara ek olarak, Düzelştirme Eğrisi modelleri uygulandığında Basra Körfezi'ndeki petrollerin tahmin doğruluk aralığı, yani yalnızca Pr/nC17'nin fonksiyonu olarak, yalnızca Ph/nC18'e göre ve hem Pr/nC17 hem de Ph/ nC18'ye bağlı olarak, doğruluk aralığı ±4⁰API'dir. Bu, %80'lik bir maksimum yüzde öngörülebilirliğine karşılık gelir.
Özet (Çeviri)
The objective of this research is to investigate the statistical significance of the partial effects of isoprenoid-alkane ratios, that is, the effects of Pr/nC17 and Ph/nC18 ratios on oil API gravity. Furthermore, the prediction of the API gravity of oil by using petroleum geochemical biomarker parameters specifically Pr/nC17 and Ph/nC18 ratios with powerful regression analytical tools such as Boosted Trees Ensemble machine learning and Smoothing Spline models by generating quantitative correlation models between Pr/nC17 and/or Ph/nC18 and API gravity (quality of oil) from worldwide data is also aimed. Also, this study aims to attempt to the determination of Pr/nC17 and Ph/nC18 ratios for specific API gravities using the models which have been developed. Ultimately, the prediction of API using isoprenoid-alkane ratio method is likely to serve as a gate-way in the prediction of subsurface oil reservoirs based on TPH analyses from surface (natural spring) waters. The scope of this research covers the oils of 20-45⁰API. Thus, the collected data, which were collected from open literature sources, was processed to reflect this strategy. The raw data collected assume a normal distribution with a bell-shaped curve. Hence, application of the central limit theorem of normal distribution and knowledge that the resulting characteristics of crude are the broken-down results of a single parameter or unit due to geological time and alteration processes was applied to the data. This involves compacting the data by averaging oils, that is, API gravities and corresponding Pr/nC17 and Ph/nC18 ratios that originated from the same source to have an overarching compact model. Using inferential hypothesis testing on the data collected, the statistical significance of the partial effects of Pr/nC17 and Ph/nC18 ratios on API gravity was conducted. The p-value, which is 9.21x10-15, of the sample raw data, shows the partial effects of Pr/nC17 and Ph/nC18 ratios on API gravity, and is statistically significant at a 95% confidence level. Similarly, the processed data (20-45⁰API oils) show that the partial effects of Pr/nC17 and Ph/nC18 ratios on API gravity are also statistically significant. The two models developed to correlate API gravity and Pr/nC17 and Ph/nC18 ratios and eventually predict API gravity are Boosted Trees Ensemble and Smoothing Spline regression analysis. The Ensemble Boosted Trees Regression is a supervised machine learning method that combines and sums numerous decision trees to produce enhanced predictive results. This involves combining weak learner decision trees to obtain a much better and accurate result. On the other hand, the Smoothing Spline method is achieved by creating piecewise cubic polynomial functions which are continuous with continuous first and second derivatives between data points for noisy data. It was found that correlations between API gravity and Pr/nC17 and Ph/nC18 ratios can be determined from regression tools such as Boosted Trees Ensemble supervised machine learning or function estimates such as smoothing spline technique with good reasonable predictive accuracy. The Boosted Trees Ensemble model developed has an R2 of 0.97 and a model RMSE of 0.93 and a test data RMSE of 5.6. The prediction accuracy range of the BTE model is ±6⁰API. The predictive smoothing spline model of API gravity with respect to only Pr/nC17 has a predictive accuracy range of ±10⁰API, an R2 value of 0.93, and an RMSE of 3.98. The predictive smoothing spline model of API gravity as a function of Ph/nC18 only showed a predictive accuracy of ±10⁰API, an R2 value of 0.53, and an RMSE of 5.76. The smoothing spline model with respect to both Pr/nC17 and Ph/nC18 for predicting API gravity has an accuracy of ±9⁰API and corresponding multiple R2 of 1. The Smoothing Spline models were subsequently and successfully used to determine the isoprenoid-alkane rations for given API gravities. Finally, at 30 and 40⁰API, Pr/nC17 and Ph/nC18 were determined to have a linear relation inverse relationship. When the BTE model was applied to oils in the southeastern part of Turkey, it has a predictive accuracy of ±3⁰API. This corresponds to a percentage predictability of 85%. When the same model was applied to oils generated from Arabian gulf fields the model generally yields a predictive accuracy of ±4⁰API. This corresponds to maximum percentage predictability of 80%. The BTE model predicts slightly higher results when the presence of gas and shale in the field is predominant. On the other hand, the predictive accuracy range of the oils in Turkey when the Smoothing Spline models are applied, that is, as a function of Pr/nC17 only,with respect to Ph/nC18 only, and as a function of both Pr/nC17 and Ph/nC18 are ±7, ±5, and ±4⁰API respectively. These correspond to percentage predictability of 65%, 75%, and 80% respectively. Finally, the predictive accuracy range of the oils in the Arabian Gulf when the Smoothing Spline models are applied, i.e., as a function of Pr/nC17 only,with respect to Ph/nC18 only, and as a function of both Pr/nC17 and Ph/nC18 is ±4⁰API. This corresponds to maximum percentage predictability of 80%.
Benzer Tezler
- Kronik hepatit B'li hastalarda hepatik fibrozis evresini noninvaziv olarak öngörmede hematolojik parametrelerin yerinin araştırılması
Investigation of the place of hematological parameters in noninvasive prediction of hepatic fibrosis stage in patients with chronic hepatitis B
POLEN BALİN KAHRAMAN
Tıpta Uzmanlık
Türkçe
2021
GastroenterolojiSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. FATİH GÜZELBULUT
- Gonadotropinlerle ovulasyon indüksiyonu ve intrauterin inseminasyon yapılan açıklanmayan infertil çiftlerde hcg günü endometrial kalınlık ve paterninin tedavi başarısına etkisi
The effects of endometrial thickness and endometrial pattern in hcg administration day on treatment success in unexplained infertile couples who underwent ovulation induction and intrauterine insemination with gonadotropins
GÜRCAN TÜRKYILMAZ
Tıpta Uzmanlık
Türkçe
2013
Kadın Hastalıkları ve DoğumSağlık BakanlığıKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. MURAT APİ
- Kronik hepatit B tanılı hastalarda karaciğer fibrozis düzeyinin öngörülmesinde noninvaziv testlerin etkinliğinin değerlendirilmesi
Evaluation of the effectiveness of noninvasive tests for prediction of liver fibrosis level in chronic hepatitis B patients
DİDEM ÇELİK
Tıpta Uzmanlık
Türkçe
2019
Klinik Bakteriyoloji ve Enfeksiyon HastalıklarıSağlık Bilimleri ÜniversitesiEnfeksiyon Hastalıkları ve Klinik Mikrobiyoloji Ana Bilim Dalı
PROF. DR. ŞÜKRAN KÖSE
- In silico prediction of dissolution rates of pharmaceutical ingredients: Micro-kinetic model based on spiral dissolution
Farmasötik içeriklerin çözünme hızlarının ın silico yöntemler ile tahmini: Spiral çözünmeye dayalı mikro-kinetik model
BERNA DOĞAN
- In silico prediction of dissolution rates of pharmaceutical ingredients: Micro-kinetic model based on spiral dissolution
Başlık çevirisi yok
BERNA DOĞAN
