Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13087/2998
Title: Petrol doğalgaz arama çalışmalarında çok kriterli karar verme ve makine öğrenmesi ile yöntem araştırması
Other Titles: Multi-criteria decision making and machine learning method research in petroleum natural gas explorations
Authors: Uyguçgil, Hakan
Öztürk, Tünay
Keywords: Mühendislik Bilimleri
Engineering Sciences
Issue Date: 2022
Publisher: Eskişehir Teknik Üniversitesi
Abstract: UYGUÇGİL Petrol ve doğalgaz aramacılığı zaman, maliyet ve iş gücü açısından birçok kriterin beraber değerlendirilmesi gereken, uzun bir süreçtir. Çalışılacak alanda ruhsat alımı ile başlayan hidrokarbon faaliyetleri jeolojik, jeofizik, sondaj çalışmaları ile devam eder. Eğer söz konusu alanda hidrokarbon keşfi yapılmışsa bu alana ilişkin rezervuar belirleme çalışmaları yapılır. Petrol ve doğalgaz aramalarında hidrokarbon konumunu belirlemek için sismik, gravite ve manyetik tekniklerden faydalanılmaktadır. Bu çalışmada, Ergene Havzasında 27000 km2lik bir alanda hidrokarbon potansiyelli alanların tahmini için, en uygun yer seçimi, enerji politikası belirleme vb. gibi çalışmalarda sıklıkla kullanılan Çok Kriterli Karar Destek Analizlerinden (ÇKKDA) ve makine öğrenmesinden faydalanılmıştır. ÇKKDA'dan yaygın olarak kullanılan Analitik Hiyerarşi Süreci ve Bulanık Mantık Analitik Hiyerarşi Süreci tercih edilmiştir. Makine öğrenmesi yöntemlerinden biri olan Rastlantısal Orman Algoritması da petrol ve doğalgaz konumlarının belirlenmesi için kullanılmıştır. Analizler sonucunda çıkan ağırlıklara göre hidrokarbon potansiyeli bulunması muhtemel alanlar belirlenmiştir. Çalışma alanı için rastgele üretilen noktaların hidrokarbon içerip içermediği tahmin edilmiştir. Tahmin noktaları kullanılarak tahmin haritası üretilmiştir. Her üç yöntemden elde edilen tahmin haritaları kuyu sondaj verileri ile çakıştırılarak doğruluk analizleri yapılmıştır. Üç yöntemin de hidrokarbon potansiyel tahmini için kullanılabileceği ortaya konmuş olup, Rastlantısal Orman Algoritmasından elde edilen tahmin noktalarının ortalamaları alınarak elde edilen sonuç %78 olup, FAHP %73 ve AHP ise %69'dur.
Oil and natural gas exploration is a long process in which many criteria should be evaluated together in terms of time, cost and workforce. Hydrocarbon activities start with purchasing a license in the area to be examined, then continue with geological, geophysical and drilling studies. If a hydrocarbon discovery has been made in the area, reservoir determination studies are carried out for this area. In oil and natural gas exploration, such as seismic, gravity and magnetic techniques are used to determine the hydrocarbon location. In this study, for the estimation of hydrocarbon potential areas in an area of 27000 km2 in the Ergene Basin, Multiple Criteria Decision Analysis (MCDA) and machine learning were utilized, which are frequently used in studies such as the most appropriate site selection, energy policy determination etc. Analytical Hierarchy Process and Fuzzy Logic Analytical Hierarchy Process are preferred, which is widely used in MCDA. The Random Forest Algorithm, which is one of the machine learning methods, has also been used to predict the locations of oil and natural gas containing areas. It was estimated whether the randomly generated spots for the study area contain hydrocarbons. A forecast map was produced using forecast points. Accuracy analyzes were performed by forecast maps obtained from all three methods matched with drilling data. The result obtained by averaging the prediction points obtained from the Random Forest Algorithm is 78%, FAHP is 73% and AHP is 69%. It has been demonstrated that all three methods can be used for hydrocarbon potential estimation.
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=5XiSE4yCP_gmnukpMEp65S8BYU0Esf09AYKYJF-jBv-mpOVy_1ZDc8NPCid9NrRR
https://hdl.handle.net/20.500.13087/2998
Appears in Collections:Tez Koleksiyonu

Show full item record

CORE Recommender

Page view(s)

102
checked on Oct 3, 2022

Google ScholarTM

Check


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