Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/3949
Full metadata record
DC FieldValueLanguage
dc.contributor.authorÖzbayoğlu, Ahmet Murat-
dc.contributor.authorErge, Öney-
dc.contributor.authorÖzbayoğlu, Mehmet Evren-
dc.date.accessioned2020-12-14T13:34:49Z
dc.date.available2020-12-14T13:34:49Z
dc.date.issued2020-11-19
dc.identifier.citationÖzbayoğlu, M., Erge,Ö. and Özbayoğlu, E.(2020) Eşdeğer Sirkülasyon Basıncının Yapay Zeka Yöntemleri ile Tespiti ve Performans Karşılaştırması. Türkiye IV. Bilimsel ve Teknik Petrol Kongresi Bildiriler Kitabı, 18-20 Kasım 2020, Ankara, Turkeyen_US
dc.identifier.urihttps://hdl.handle.net/20.500.11851/3949-
dc.description.abstractSondaj operasyonlarında kuyu dibi basıncının hassas bir şekilde tespiti, operasyonların emniyeti ve operasyonlarla doğrudan ilişkili birtakım mühendislik tasarımları açısından kritik bir öneme sahiptir. Kuyu dibi basıncı, “eşdeğer sirkülasyon yoğunluğu” (equivalent circulating density) değerinin doğru bir şekilde hesaplanması suretiyle tespit edilebilir. Ancak, eşdeğer sirkülasyon yoğunluğu, içiçe borulardaki halkasal yapının geometrik özelliklerine, dizinin kuyu içerisindeki pozisyonuna, dizinin dönüş hızına, akışkanın özelliklerine, dizinin burkulma nedeniyle meydana gelen geometrik değişimine bağlı davranmaktadır. O halde, eşdeğer sirkülasyon yoğunluğunun hassas ve doğru bir şekilde hesaplanabilmesi için yukarıda bahsi geçen unsurların gözönüne alındığı bir model veya yöntem gerekmektedir. Bu çalışmada, eşdeğer sirkülasyon yoğunluğunu hesaplamak için üç parametreli reolojik akışkan modeli temel alınarak; dizinin dönüş hızı, dizinin eksantrik pozisyonu ve dizinin burkulma-bükülme davranışı da dikkate alınarak bir model oluşturulmuştur. Bunun yanında, problemin karmaşıklığı da gözönünde bulundurularak, iki farklı yapay zeka modeli (yapay sinir ağları (neural networks) ve Rastgele Orman (Random Forest) oluşturulmuştur. Böylece, fiziksel ve mekanistik temele dayalı bir modelle, tamamen veriye dayalı iki modeli karşılaştırma imkanı doğmuştur. Ayrıca, literatürde bulunan ve konu ile doğrudan ilgili deneysel sonuçlar derlenmiştir, ki bu verilerin bir kısmı yapay zeka modellerinin “eğitilmesi” (training) amacıyla kullanılmıştır. Deneysel sonuçlar, modellerin performanslarının karşılaştırılması açısından da kritik bir öneme sahiptir. Yapay Sinir ağları ve Rastgele Orman modelleri, hem verilerin doğrudan kullanılması, hem de boyutsal analiz (dimensional analysis) tekniği ile elde edilen boyutsuz grupların kullanılması yöntemiyle eğitilmiştir, ve her iki yöntem de birbiriyle kıyaslanmıştır. Yapılan analizde, verilerin doğrudan kullanıldığı modeller, boyutsal analiz yöntemi kullanılarak eğitilen modellerden daha iyi performans göstermiştir. Ayrıca, deneysel sonuçlarla kıyaslandığında, yapay zeka modelleri kullanılarak elde edilen sonuçların, mekanistik model kullanılarak elde edilen sonuçlara göre daha iyi performans gösterdiği saptanmıştır. Son yıllarda veriye dayalı modellerin kullanımının yaygınlaşması, teknolojik gelişmelerin veriye dayalı yöntemlerin daha hızlı ve başarılı şekilde uygulanabilirliğini sağlaması, birçok alanda mekanistik veya analitik modellere kıyasla daha başarılı performans göstermeleri de dikkate alındığında, bu çalışmadan elde edilen sonuçlar da benzer bir yönü işaret etmiştir.en_US
dc.description.sponsorshipPetrol Mühendisleri Odasıtr_TR
dc.language.isotren_US
dc.publisherPetrol Mühendisleri Odasıen_US
dc.relation.ispartofTürkiye IV. Bilimsel ve Teknik Petrol Kongresien_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subjectKuyularda basınç kaybı tahminitr_TR
dc.subjectyapay öğrenmetr_TR
dc.subjectrastgele ormantr_TR
dc.subjectyapay sinir ağlarıtr_TR
dc.titleEşdeğer Sirkülasyon Basıncının Yapay Zeka Yöntemleri ile Tespiti ve Performans Karşılaştırmasıen_US
dc.title.alternativeEstimation of Cuttings Concentration and Frictional Pressure Losses Using Data Driven Modelsen_US
dc.typeConference Objecten_US
dc.departmentFaculties, Faculty of Engineering, Department of Computer Engineeringen_US
dc.departmentFakülteler, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümütr_TR
dc.identifier.startpage1en_US
dc.identifier.endpage21en_US
dc.authorid0000-0001-7998-5735-
dc.institutionauthorÖzbayoğlu, Ahmet Murat-
dc.relation.publicationcategoryKonferans Öğesi - Ulusal - Kurum Öğretim Elemanıen_US
item.openairetypeConference Object-
item.languageiso639-1tr-
item.grantfulltextopen-
item.fulltextWith Fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.cerifentitytypePublications-
crisitem.author.dept02.1. Department of Artificial Intelligence Engineering-
Appears in Collections:Bilgisayar Mühendisliği Bölümü / Department of Computer Engineering
Files in This Item:
File Description SizeFormat 
petrol_bildirisi.pdf1.46 MBAdobe PDFThumbnail
View/Open
Show simple item record



CORE Recommender

Page view(s)

118
checked on Dec 16, 2024

Download(s)

74
checked on Dec 16, 2024

Google ScholarTM

Check





This item is licensed under a Creative Commons License Creative Commons