Young modülü ve Poisson oranının doğru belirlenmesiyle kum üretimi değerlendirmesinin geliştirilmesi

Petrol kuyularında kum neden önemli?

Bir petrol veya gaz kuyusu sıvılarla birlikte kum üretmeye başladığında, küçük taneler sanayi tipi zımpara gibi davranır. Çelik boruları aşındırır, vanaları ve ayırıcıları tıkar, plansız kapanmalara yol açar ve hatta güvenlik riskleri oluşturur. Bu makale, kayanın ne kadar sert olduğu ve yana doğru nasıl şekil değiştirdiği gibi iki temel kaya özelliğinin daha iyi ölçülmesinin, kumun ne zaman ve nerede kopacağını tahmin etme yeteneğimizi nasıl önemli ölçüde iyileştirebileceğini araştırıyor; bu da endüstrinin maliyetli sürprizlerden kaçınmasına yardımcı olur.

Çöken kayaların gizli fiziği

Yerin derinliklerinde, rezervuar kayaları üzerlerindeki katmanların muazzam ağırlığı tarafından sıkıştırılır; aynı zamanda petrol, gaz ve suyun bir kuyuya doğru çekilmesinin sürükleme etkisine de dayanmak zorundadırlar. Kayanın bir arada kalıp kalmayacağı veya tanelerinden kopup döküleceği büyük ölçüde sertliğine (Young modülü) ve gerilim altında nasıl kabardığına (Poisson oranı) bağlıdır. Mühendisler genellikle bu özellikleri doğrudan ölçmek yerine ses dalgaları ve yoğunluk loglarından dolaylı olarak tahmin eder çünkü kaya çekirdekleri üzerinde laboratuvar testi yapmak pahalı ve yavaştır. Ancak bu dolaylı tahminler iki türe ayrılır—dinamik ve statik—ve kum tahmin yöntemlerinin gerçek rezervuar davranışını yansıtması için statik versiyonlara ihtiyacı vardır. Yazarların sorduğu soru basit ama kritik: yayınlanmış çok sayıda formül ve makine öğrenimi modelinden hangilerine sahada gerçekten güvenilebilir?

Popüler tahmin yöntemlerini teste tabi tutmak

Araştırmacılar, laboratuvarda ölçülmüş statik Young modülü ve statik Poisson oranına sahip 100 kumtaşı örneğinden oluşan bir veri seti derlediler. Ardından, bu iki özelliği kaya yoğunluğu ve sıkıştırma/darbe dalgası iletme süreleri gibi standart kuyu logu girdilerinden yeniden tahmin etmek için mevcut ampirik denklemler ve makine öğrenimi modellerinin geniş bir yelpazesini kullandılar. Bu tahmin edilen özelliklerle, sonuçları üç yaygın kullanılan kum tahmin aracına beslediler: Sand Production Index (B), kesme rijitliğinin toplam sıkıştırılabilirliğe oranı (G/Cb) ve Schlumberger Sand Index (S/I). Her aracın kum/ku m yok kararını laboratuvarda ölçülen verilere dayanan kararla karşılaştırarak, hatanın ne kadarının tahmin yönteminden değil, girdi kaya özelliklerinin kalitesinden kaynaklandığını görebildiler.

Birçok model arasında öne çıkan bir tane

Karşılaştırma çarpıcı bir desen ortaya koydu. Young modülü ve Poisson oranı için çoğu geleneksel formül, ya laboratuvar ölçümleriyle neredeyse düşük korelasyon gösteriyor ya da yanlış yönde eğilim sergiliyordu. Bu zayıf tahminler üç kum tahmin yöntemine verildiğinde sonuçlar tutarsız oldu: bazı modeller gerçekte olmayan kum risklerini işaretlerken, diğerleri belirgin şekilde kum eğilimli aralıkları kaçırdı. Keskin bir karşıtlık olarak, aynı araştırma grubunun önceki çalışmalarında geliştirilen Young modülü için Gaussian süreç regresyon modeli ve Poisson oranı için gated recurrent unit tabanlı derin öğrenme modeli, ölçülen verilerle neredeyse kusursuz şekilde örtüştü. İstatistiksel testler belirleme katsayısının (R²) 1'e çok yakın olduğunu ve hataların ihmal edilebilir düzeyde olduğunu gösterdi. Bu doğru girdilerle, B, G/Cb ve S/I olmak üzere üç kum tahmin yöntemi de laboratuvar temelli kıyas ile yakından örtüşen kum/ku m yok sonuçları verdi.

Kayayı daha net görmek

Kum tahmininin ötesinde, mühendisler rezervuar kayasını sertliğe göre gevşek, zayıf çimentolu veya iyi konsolide; Poisson oranına göre ise yumuşak, orta veya sert olarak sınıflandırırlar. Bu kategoriler, çakıl paketleri mi yoksa daha sağlam kum filtreleri mi kurulacağı gibi seçimleri yönlendirir. Çalışma, çoğu eski modelin birçok örneği yanlış kaya sınıfına atadığını ve bunun gereğinden fazla veya yetersiz tasarlanmış kum kontrolüne yol açabileceğini gösterdi. Makine öğrenimi modelleri yine öne çıktı; ölçülen özelliklerden türetilen kaya tipi sınıflandırmalarını çoğu örnek için yeniden üretebildiler. Bu, yalnızca kumun nerede olabileceğini işaret etmekle kalmayıp, rezervuarın genel mekanik karakteri hakkında daha güvenilir bir resim sunabilecekleri anlamına gelir.

Gerçek kuyular için bunun anlamı

Uzman olmayanlar için ana mesaj, kum tahmin araçlarına giren “malzemelerin” kalitesinin araçların kendisi kadar önemli olduğudur. Kaya sertliği ve deformabilitesi için kötü kalibre edilmiş formüller kullanmak, bir rezervuarı gerçekte olduğundan ya daha güvenli ya da daha riskli gösterebilir; bu da pahalı ve bazen gereksiz müdahalelere yol açar. Birçok modeli gerçek ölçümlere karşı titizlikle kıyaslayarak, yazarlar dikkatle eğitilmiş birkaç makine öğrenimi yaklaşımının, kumun ne zaman ortaya çıkacağını ve hangi tür kayanın mevcut olduğunu öngörme yeteneklerini güçlü biçimde iyileştirecek kadar doğru kaya özelliği tahminleri sağlayabileceğini gösteriyor. Pratikte bu, işletmecilere kuyuları tasarlama, kum kontrol stratejilerini seçme ve görünmeyen tanelerin bir gün çok milyon dolarlık bir projeyi durdurma ihtimalini azaltma konusunda daha güvenilir bir temel sunuyor.

Atıf: Alakbari, F.S., Mahmood, S.M., Abdelnaby, M.M. et al. Enhancing sand production assessment through accurate determination of Young’s modulus and Poisson’s ratio. Sci Rep 16, 6826 (2026). https://doi.org/10.1038/s41598-026-36761-2

Anahtar kelimeler: kum üretimi, rezervuar jeomekaniği, Young modülü, Poisson oranı, makine öğrenimi modelleri