Application of machine learning and artificial intelligence in oil and gas industry
Petrol ve gaz endüstrisinde makine öğrenimi ve yapay zeka uygulaması
- Tez No: 768887
- Danışmanlar: YRD. DOÇ. DR. SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 81
Özet
Çeşitli petrol ve gaz (O&G) hizmet ve ekipman sağlayıcıları, dengesiz üretim seviyeleri nedeniyle talepteki dalgalanmalar nedeniyle sık kaynak planlaması ayarlamaları yapılması gerektiğini bildirmiştir. 2014 yılında petrol fiyatlarındaki düşüş, araştırmacıları ve şirketleri fikir ve yöntemler üzerinde düşünmeye yöneltti ve optimum petrol ve gaz üretimini minimum zaman ve maliyetle sunmaya yönlendirdi. Bu, petrol üretimini etkileyen en iyi özellikleri seçmek için makine öğrenimi ve veri madenciliği tekniklerini uygulayan çeşitli çalışmaların sunulmasına yol açmıştır. Bu özellikler, özellik seçme teknikleri olarak optimizasyon algoritmaları ve petrol üretimini tahmin etmek için kullanılan makine öğrenimi tekniklerine bağlı özellikler kullanılarak analiz edildi. Deneyler, parçacık sürüsü optimizasyon algoritması kullanılarak seçilen özniteliklerin, K-ortalama ve PCA gibi geleneksel öznitelik seçme tekniklerinden en iyi sonuçları sunduğunu göstermektedir.
Özet (Çeviri)
Several oil and gas (O&G) service and equipment providers have reported the need for frequent resource planning adjustments due to fluctuations in demand due to imbalanced production levels. The reducing in oil price in the 2014 lead researcher and companies to think in ideas and methods lead to present optimum oil and gas production within minimum time and cost. This lead to present several studies applying machine learning and data mining techniques to select the best features that affected the production of oil. These features analyzed using optimization algorithms as features selection techniques and the features wired to the machine learning techniques that are used to predicate the oil production. The experiments show that the selected features using particle swarm optimization algorithm are presented best results than traditional feature selection techniques such as K-mean and PCA.
Benzer Tezler
- Application of machine learning and deep learning techniques to predict missing petrophysical data
Application of machine learning and deep learning techniques to predict missing petrophysical data
SAKINA ALI ABDUSSALAM ASHOUR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALPER FİDAN
- Proposing a hybrid talent acquisition methodology towards tanker industry
Tanker endüstrisine yönelik bir hibrit yetenek kazanım yöntemi önerisi
MUHİTTİN ORHAN
Yüksek Lisans
İngilizce
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. METİN ÇELİK
- Nanoakışkanların termofiziksel ve reolojik özelliklerinin yapay sinir ağları ile tahmin edilmesi
Prediction of the thermophysical and rheological properties of nanofluids with artificial neural network
KASIM ERDEM
Yüksek Lisans
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDUSSAMET SUBAŞI
- Deniz ticaret endekslerini zaman serisi modelleri kullanarak tahminleme
Forecasting maritime trade indexes by using the time series models
KAAN KOYUNCU
Doktora
Türkçe
2022
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. LEYLA TAVACIOĞLU
- Yenilenebilir enerji planlaması için bütünleşik çok amaçlı bir karar modeli önerisi
An integrated multi-objective decision model for renewable energy planning
BEYZANUR ÇAYIR ERVURAL
Doktora
Türkçe
2018
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. RAMAZAN EVREN