Comparison of geostatistics and artificial neural networks in reservoir property estimation
Rezervuar parametre kestiriminde jeoistatistik ve yapay sinir ağları?nın karşılaştırılması
- Tez No: 255239
- Danışmanlar: PROF. DR. NURKAN KARAHANOĞLU
- Tez Türü: Doktora
- Konular: Jeoloji Mühendisliği, Geological Engineering
- Anahtar Kelimeler: Jeoistatistik, Jeoloji, Yapay sinir ağları, Geostatistics, Geology, Artificial neural networks
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Jeoloji Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, incelenen rezervuarın her noktasındaki parametreleritanımlayabilmek için, 3B sismik veriler kuyu verileri ile entegre edilmiştir. Bu amacıbaşarabilmek için, jeoistatistik ve yapay sinir ağları (YSA) yöntemleri kullanılmıştır.İlk olarak, mevcut olmayan kuyu logları empirik ilişkilier ve YSA ileönkestirilmiştir. Empirik kestirimler doğrusal bağımlı genelleştirilemeyen sonuçlargöstermiştir. Diğer tarafttan, YSA mevcut olmayan logları yüksek doğruluktabulabilmiştir. Sonik loglar %90 korelasyon katsayısı ile bulunmuştur. İkinci olarak,akustik empedans parametresi çalışma alanında önkestirilmiştir. Sonik log ve GRNNtekniği kullanılarak yapılan önkestirim işleminde %88 korelasyon katsayısı eldeedilmiştir. Akustik empedans kestirimi daha sonra sonik ve rezistivite loglarıkullanılarak tekrar edilmiş ve sonuçlar iyilieştirilmiş ve %94 korelasyon sağlanmıştır.Çalışmanın son kısmında, SGS jeoistatistiksel similasyon algoritmasıcollocated cokriging tekniği ile birlikte kullanılarak sonik porozite parametresiönkestirilmiştir. Algorıtmanın çalışma prensibinden dolayı sonuçlar çeşitli olmuştur.Daha sonra, GRNN algoritması sonik porozite parametresini önkestirmek içinkullanılmış ve GRNN ile yüksek bir korelasyon sonucu elde edilmiştir.Bu çalışmanın sonuçları, çalışma alanında YSA'nın rezervuarparametrelerini önkestirebilmek için çok güçlü bir yöntem olduğunu, mevcutverilerden lineer olmayan ilişkiler kurarak göstermiştir.
Özet (Çeviri)
In this dissertation, 3D surface seismic data was integrated with the well logsto be able to define the properties in every location for the reservoir underinvestigation. To accomplish this task, geostatistical and artificial neural networks(ANN) techniques were employed.First, missing log sets in the study area were estimated using commonempirical relationships and ANN. Empirical estimations showed linear dependentresults that cannot be generalized. On the other hand, ANNs predicted missing logswith an very high accuracy. Sonic logs were predicted using resistivity logs with 90%correlation coefficient. Second, acoustic impedance property was predicted in thestudy area. AI estimation first performed using sonic log with GRNN and 88% CCwas obtained. AI estimation was repeated using sonic and resistivity logs and theresult were improved to 94% CC.In the final part of the study, SGS technique was used with collocatedcokriging techniques to estimate NPHI property. Results were varying due to natureof the algorithm. Then, GRNN and RNN algorithms were applied to predict NPHIproperty. Using optimized GRNN network parameters, NPHI was estimated withhigh accuracy.Results of the study were showed that ANN provides a powerful solution forreservoir parameter prediction in the study area with its flexibility to find out nonlinearrelationships from the existing available data.
Benzer Tezler
- Applicability of geostatistical and fractal techniques for characterizing and deriving reservoir grid-block values for numerical simulation
Jeoistatiksel ve fraktal tekniklerinin sayısal simülasyonda kullanılarak rezervuar blok değerlerinin hesaplanması ve krakterizasyonu için uygulanabilirliği
BURAK YETEN
Yüksek Lisans
İngilizce
1997
Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FEVZİ GÜMRAH
- Toprak özelliklerinin tahmininde jeoistatistiksel ve spektroradyometrik yöntemlerin karşılaştırılması
Comparison of geoistatistic and spectroradiometric methods for estimation of soil properties
FATMA KAPLAN
Yüksek Lisans
Türkçe
2020
ZiraatHarran ÜniversitesiToprak Bilimi ve Bitki Besleme Ana Bilim Dalı
PROF. DR. ALİ VOLKAN BİLGİLİ
- Fay zonlarının sondaj verileri kullanılarak bilgisayar yardımıyla belirlenmesi
Computer aided detection of fault zones by using drill hole data
MEHMET SUPHİ ÜNAL
Yüksek Lisans
Türkçe
2011
Maden Mühendisliği ve MadencilikHacettepe ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. BAHTİYAR ÜNVER
- Perez dış ortam gün ışığı aydınlık modelinin adaptif ağ tabanlı bulanık çıkarım sistemi (ANFIS) temelinde geliştirilmesi
Improvement of perez daylight model on the base of adaptive network based fuzzy inference systems (ANFIS)
BİHTER DURNA
Doktora
Türkçe
2018
Meteorolojiİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET DURAN ŞAHİN
- Comparison of ordinary kriging and deep learning methods in grade estimation: A pilot study on the Sirakayalar Au mineralization (NW Türki̇ye)
Kaynak tahmininde ortalamasız kriging ve derin öğrenme yöntemlerinin karşılaştırması: Sırakayalar Au mineralizasyonu (KB Türkiye) üzerinde bir pilot çalışma
ALİ BUĞRA ÖZGÜN
Yüksek Lisans
İngilizce
2025
Jeoloji MühendisliğiOrta Doğu Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ALİ İMER