Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.11851/904
Title: Çok Fazlı Akışlarda Parçacık Hız ve Yön Tahmini için Hesaplamalı Zekâ Modelleri
Other Titles: Computational Intelligence Models for Particle Direction and Velocity Estimation in Multi-Phase Flows
Authors: Tombul, Hatice
Advisors: Özbayoğlu, Ahmet Murat
Keywords: Petroleum and Natural Gas Engineering
Petrol ve Doğal Gaz Mühendisliği
Publisher: TOBB Ekonomi ve Teknoloji Üniversitesi Fen Bilimleri Enstitüsü
Source: Tombul, H.(2013).Çok fazlı akışlarda parçacık hız ve yön tahmini için hesaplamalı zekâ modelleri.Ankara:TOBB ETÜ Fen Bilimleri Enstitüsü.[Yayınlanmamış Yüksek Lisans Tezi]
Abstract: While in the early days, studies on cuttings transport are made for steep wells and single phase fluids; nowadays they are made for angled drills and multi-phase flows. In the multi-phase flows, motion direction and velocity of the particle are two important aspects for estimating the behaviour of the drill particle. However, in the literature there is still a lack of information on the estimation of direction and velocity of the particle in multi-phase flows. Main aim of this study is to try to predict the the direction and velocity of cuttings in eccentric tubes. For this purpose, we studied on the data which is obtained from the experimental setup in Middle East Technical University, Petroleum and Natural Gas Engineering Department, Cutting Transport and Multi-Phase Flow Laboratory. Direction and velocity characteristics of cutting transport is tried to be predicted for tubes with no angle (horizontal), 15 and 30 degrees of angles. In order to create a prediction model there are several methods are used from conventional methods such as linear and nonlinear regression to computational intelligence methods such as neural networks, support vector machines and support vector regression. Results obtained from these methods are compared to each other by using some performance metrics. It is found that for both direction prediction and velocity prediction, support vector machines and regression are the most successful methods among others.
Kesinti taşınması ile ilgili çalışmalar ilk zamanlar, dik kuyular ve tek fazlı akışlar için yapılırken, günümüzde yatay ve açılı sondajlarda çok fazlı akışlar için yapılmaktadır. Çok fazlı akışlarda, sondaj parçacığının davranışını tahmin etmek için parçacığın hareket yönü ve hızı iki önemli husustur. Ancak literatürde hala halkasal borulardaki çok fazlı akışlarda kesintinin yönünün ve taşınma hızının tahmin edilmesi ile ilgili eksiklikler bulunmaktadır. Bu çalışmadaki başlıca hedef, eksantrik borulardaki kesinti taşınma hızlarını ve kesintilerin ilerledikleri yönleri tahmin etmeye çalışmaktır. Bu amaca ulaşmaya çalışırken, Orta Doğu Teknik Üniversitesi, Petrol ve Doğalgaz Mühendisliği Bölümü, Kesinti Taşıma ve Çok Fazlı Akış Laboratuvarındaki deney düzeneğinden elde edilmiş olan veriler üzerinde çalışılmıştır. Deney düzeneğinden gelen veriler ışığında boru eğimlerinin yatay, 15° ve 30° olduğu durumlarda kesinti taşınmasının yön ve hız karakteristiği tahmin edilmeye çalışılmıştır. Bu tahminler yapılırken geleneksel yöntemlerden Doğrusal Regresyon, Doğrusal Olmayan Regresyon ile hesaplamalı zekâ modellerinden İleri Beslemeli Yapay Sinir Ağları, Destek Vektör Makineleri ve Destek Vektör Regresyonu yöntemleri kullanılmıştır. Kullanılan bu yöntemlerden elde edilen sonuçlar, çeşitli performans metrikleri yardımıyla birbirleri ile karşılaştırılmıştır. Bu yöntemlerden, yön tahmini için en başarılı yöntem destek vektör makineleri olurken, hız tahmini için en başarılı yöntem destek vektör regresyonu olmuştur.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp
https://hdl.handle.net/20.500.11851/904
Appears in Collections:Bilgisayar Mühendisliği Yüksek Lisans Tezleri / Computer Engineering Master Theses

Files in This Item:
File Description SizeFormat 
346535.pdfHatice Tombul_tez4.87 MBAdobe PDFThumbnail
View/Open
Show full item record



CORE Recommender

Page view(s)

68
checked on Dec 23, 2024

Download(s)

34
checked on Dec 23, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.