Geri Dön

Büyük çaplı açık deniz sondajlarında sondaj hızının yapay sinir ağlarıyla tahmin edilmesi

Prediction of rate of penetration in large diameter offshore drilling by using artificial neural networks

PDF İndir

  1. Tez No: 990789
  2. Yazar: MUHAMMED ŞUAYİP AKKUŞ
  3. Danışmanlar: DOÇ. DR. ŞÜKRÜ MEREY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Petrol ve Doğal Gaz Mühendisliği, Petroleum and Natural Gas Engineering
  6. Anahtar Kelimeler: Açık deniz, Ham petrol, Rüzgar türbinleri, Temel sondajları, Yapay zeka ve makine öğrenmesi dersi, High sea, Crude oil, Wind turbines, Foundation borings, Artificial intelligence and machine learning course
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Batman Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Petrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Petrol ve doğalgaz endüstrisinden elde edilen deneyimler, özellikle açık deniz ortamlarında, yenilenebilir enerji projelerine uygulanabilecek değerli bilgiler sunmaktadır. Bu çalışma, sabit açık deniz rüzgâr türbini temellerinin tasarımını geliştirmek amacıyla, sondaj ilerleme hızı (ROP) tahminlerinin iyileştirilmesinde açık deniz sondaj verilerinin nasıl kullanılabileceğini incelemektedir. Kuzey Denizi'ndeki X sahasında açılmış yedi kuyudan alınan sondaj verileri — 17-1/2" çapındaki kesim— Yapay Sinir Ağı (YSA) regresyon modeliyle analiz edilmiştir. Model, deniz tabanının 0–125 m altındaki derinlik aralığında sekiz girdi parametresini (derinlik, matkaba uygulanan ağırlık, sirkülasyon basıncı, tork, maksimum tork, yüzey devri/dakika, dakikadaki matkap devri ve çamur debisi) kullanmıştır. Tek bir kuyu verisiyle eğitilen ilk YSA modeli, belirleme katsayısı (R²) değerinde 0,946 elde ederek geleneksel Bourgoyne ve Young Modeli'nden (BYM) daha yüksek bir performans göstermiştir. Tüm yedi kuyunun verileri birleştirildiğinde ise, litoloji farklılıklarına rağmen model yüksek bir R² değeri olan 0,883'ü korumuştur. Derinlik, sirkülasyon basıncı, yüzey devri ve tork, ROP üzerinde en etkili parametreler olarak belirlenmiştir. Bu çalışma, yenilenebilir enerji altyapısının geliştirilmesi kapsamında açık deniz sondaj analizlerinde makine öğrenmesi yaklaşımlarının sunduğu potansiyeli ortaya koymaktadır.

Özet (Çeviri)

Experience from the oil and gas sector provides valuable lessons applicable to renewable energy development, especially in offshore settings. This study investigates how offshore drilling data can be leveraged to enhance the design of fixed offshore wind turbine foundations through improved rate of penetration (ROP) prediction. Drilling records from seven wells in the X Oilfield, North Sea—focusing on the 17-1/2" large-diameter section—were analyzed using an Artificial Neural Network (YSA) regression model. The model utilized eight input parameters (depth, weight on bit, standpipe pressure, torque, maximum torque, surface revolutions per minute, bit revolutions per minute, and mud flow rate) over the 0–125 m interval below the seafloor. An initial YSA trained on a single well achieved a coefficient of determination (R²) of 0.946, surpassing the traditional Bourgoyne ve Young Model (BYM) performance. When data from all seven wells were integrated, the model sustained a high R² of 0.883 despite lithological variability. Depth, standpipe pressure, surface rotation speed, and torque emerged as the dominant factors affecting ROP. These findings demonstrate the promise of machine learning approaches for enhancing offshore drilling analyses in support of renewable energy infrastructure.

Benzer Tezler

  1. Tez No

    903954

    Preliminary geotechnical design of offshore wind turbine monopiles in Türkiye using FEM

    Türkiye'de açık deniz rüzgar türbini tekil kazıklarının sonlu elemanlar yöntemi ile geoteknik ön tasarımı

    ATASEV DOĞUKAN TAŞBAŞI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    İnşaat MühendisliğiOrta Doğu Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NEJAN HUVAJ SARIHAN

  2. Tez No

    688053

    Numerical analysis of monopile foundations for offshore wind turbines

    Açık deniz rüzgar türbinleri için tek kazıklı temellerin sayısal analizi

    MARYAM MASSAH FARD

    Doktora

    İngilizce

    İngilizce

    2021

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    Deprem Mühendisliği Ana Bilim Dalı

    PROF. DR. AYFER ERKEN

    DR. ÖĞR. ÜYESİ BÜLENT ERKMEN

  3. Tez No

    874212

    Investigation of motions on floating offshore platforms

    Yüzer açık deniz platformlarının hareketlerinin incelenmesi

    ABDULLAH EMİN ULAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı

    PROF. DR. KADİR SARIÖZ

  4. Tez No

    555681

    Ultimate limit state design assessment and recommendation comments for offshore crane foundation

    Açık deniz kreyn fandeyşını için nihai limit durum tasarımı değerlendirmesi ve tavsiye açıklamaları

    MUHAMMET CÜNEYT SAKÖNDER

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Gemi Mühendisliğiİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknolojisi Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖZGÜR ÖZGÜÇ

  5. Tez No

    533811

    Grup kazıklı korunmasız deniz yapılarında dalga yüklerinin hesaplanması için yeni bir metot

    A new method for calculating wave forces on group piled exposed sea structures

    İPEK KUTLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    Kıyı Bilimleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. VEYSEL ŞADAN ÖZGÜR KIRCA

Geri Dön