Coal gas content prediction on Kinik coalfield, Soma Basin with machine learning methods
Soma Havzasi Kinik Kömür Yataği'nda makine öğrenmesi yöntemleriyle kömür gazi i̇çeriği tahmini
- Tez No: 876161
- Danışmanlar: PROF. DR. ABDULLAH FİŞNE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Maden Mühendisliği ve Madencilik, Petrol ve Doğal Gaz Mühendisliği, Computer Engineering and Computer Science and Control, Mining Engineering and Mining, Petroleum and Natural Gas Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Maden Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Maden Mühendisliği Bilim Dalı
- Sayfa Sayısı: 93
Özet
Kömür eski çağlardan bu yana insanlık tarafından kullanılmış, buharlı makineler ile yaygın hale gelmiş, günümüzde ise yerine alternatiflerine bırakmaya başlayan kompleks bir enerji kaynağıdır. Kömür doğrudan enerji sağlayan bir kaynak olarak kullanılırken, aynı zamanda bünyesinde bulundurduğu başta karbon kökenli gazlar olmak üzere, bir çok akışkanın üretildiği kaynak kayaç olma görevine sahiptir. Birden fazla fonksiyonu, temelde yaygın olarak bir çok ülkede çeşitli kalite ve miktarlardaki rezervleri olması kömürün son kullanım ömrünü sürekli ertelemektedir. Ayrıca içinde bulundurduğu başta metan ve diğer doğalgaz bileşeni gazların varlığı kömürün doğrudan kullanımdan çıkarken alternatifi olan doğalgaz rezervlerine katkı sağlama noktasında etkin rol alabilecek durumdadır. Bu çalışma, kömür damarlarından toplam desorbe edilmiş gaz içeriğini analiz etmenin doğrusal olmayan zorluğunu yorumlamak için yeni, veriye dayalı bir metodoloji sunmaktadır. Araştırma, Kınık kömür yatağında yer alan düşük dereceli bir kömür rezervine odaklanıyor; burada Amerika Birleşik Devletleri Maden Bürosu (USBM) doğrudan desorpsiyon yöntemi, yer altı madencilik operasyonları için toplam desorbe edilmiş gaz içeriğini tahmin etmek için kullanıldı. Rezerv ve gaz içeriği analizi sırasında elde edilen karot örneklerinden yararlanılarak makine öğrenimi modelleri geliştirildi. Bu modeller, toplam desorbe edilen gaz içeriğiyle bağlantılı olarak derinlik, nem, kül, uçucu madde ve kalorifik değer dahil olmak üzere kömür özellikleri verileriyle eğitildi. Kınık kömür sahasında toplam desorbe edilen gaz içeriğini tahmin etmek için çoklu doğrusal regresyon, destek vektör makinesi ve yapay sinir ağı gibi çeşitli makine öğrenme algoritmaları kullanılmıştır. Makine öğrenimi modellerini optimize etmek için hiperparametre ayarı uygulandı ve regresyon doğruluğu ve hesaplama verimliliği temel alınarak en etkili model seçildi. Çift grafiğiyle kolaylaştırılan ham veri analizi, parametreler arasındaki ilişkileri ve bunların kömür damarlarındaki toplam gaz içeriği üzerindeki doğrudan etkisini ortaya çıkardı. Kömür özelliklerinin toplam desorbe edilmiş gaz içeriği üzerindeki etkisini değerlendirmek için duyarlılık analizi yapıldı. Seçilen model daha sonra kömür sahasında belirli bir konumda toplam desorbe edilmiş gaz içeriğini tahmin etmek için uygulandı. Çalışmanın sonuçları, geleneksel olmayan rezervuarların analizi ve makine öğrenme tekniklerini kullanarak petrofiziksel sistemlerin tahmini için değerli bilgiler ve öneriler sunmaktadır. Temelde bu araştırma, makine öğreniminin jeolojik alandaki doğrusal olmayan zorlukların üstesinden gelme potansiyelinin altını çiziyor ve bu alanda gelecekteki araştırmalar için umut verici bir yol öneriyor.
Özet (Çeviri)
Coal has been used by humanity since ancient times, becoming widespread with steam engines, and is now a complex energy source that is beginning to be replaced by alternatives. While coal is used as a direct source of energy, it also serves as a source rock that produces various fluids, primarily carbon-based gases. Its multiple functions and the presence of various quality and quantity reserves in many countries fundamentally extend the lifetime of coal. Moreover, the presence of methane and other natural gas components in coal makes it capable of contributing to natural gas reserves as an effective alternative when coal is phased out. This study introduces a novel data-driven methodology for interpreting the nonlinear challenge of analyzing the total desorbed gas content in coal seams. The investigation is centered on a low-rank coal reserve situated in the Kınık coalfield, where the United States Bureau of Mines (USBM) direct desorption method was employed to project the total desorbed gas content for underground mining operations. Utilizing core samples obtained during the reserve and gas content analysis, machine learning models were developed. These models were trained with coal properties data, including depth, moisture, ash, volatile matter, and calorific value, in correlation with the total desorbed gas content. Various machine learning algorithms, namely multiple linear regression, support vector machine, and artificial neural network, were utilized to predict the total desorbed gas content in the Kınık coalfield. Hyperparameter tuning was applied to optimize the machine learning models, and the most effective model was chosen based on its regression accuracy and computational efficiency. The raw data analysis, facilitated by pairplot, revealed associations between parameters and their direct influence on the total gas content in coal seams. Sensitivity analysis was performed to assess the impact of coal properties on total desorbed gas content. The selected model was then applied to predict the total desorbed gas content at a specific location in the coalfield. The study's outcomes offer valuable insights and recommendations for the analysis of unconventional reservoirs and the prediction of petrophysical systems using machine learning techniques. In essence, this research underscores the potential of machine learning in tackling nonlinear challenges within the geological domain and proposes a promising avenue for future investigations in this field.
Benzer Tezler
- Linyitlerde gaz tutunum ve salınım özelliklerinin araştırılması
Determination of adsoption and desorption properties of lignites
MEHMET BİLEN
Doktora
Türkçe
2019
Maden Mühendisliği ve MadencilikZonguldak Bülent Ecevit ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. SAİT KIZGUT
DOÇ. DR. KEMAL BARIŞ
- Kömür damarı gaz içeriği belirleme yöntemlerinin değerlendirilmesi ve yapay sinir ağları ile tahmin modellerinin geliştirilmesi
Assesment of coal seam gas content determination methods and development of prediction models using artificial neural networks
SAMED BOZDOĞAN
Yüksek Lisans
Türkçe
2024
Maden Mühendisliği ve Madencilikİstanbul Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH FİŞNE
- Zonguldak taşkömürü havzasında meydana gelen degaj olaylarına etki eden faktörlerin yapısal eşitlik modellemesi ile değerlendirilmesi
Assessment of factors affecting coal and gas outbursts in Zonguldak hard coal basin using structural equation modeling
NİLÜFER KURŞUNOĞLU
Doktora
Türkçe
2019
Maden Mühendisliği ve MadencilikEskişehir Osmangazi ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ÖNDER
- 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
- Sabit yataklı yakma sistemlerinde yanmada kömür neminin emisyonlara etkisinin deneysel incelenmesi
Experimental investigations of effect of moisture on the emissions in fixed bed compustion appliances
NALAN ERDÖL AYDIN