Eşdeğer Sirkülasyon Basıncının Yapay Zeka Yöntemleri ile Tespiti ve Performans Karşılaştırması

Abstract

Sondaj 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.