Yapay zeka yaklaşımıyla jeofizik kuyu loglarından kömür varlığının belirlenmesi : Manisa, Soma Havzası

Abstract

Son zamanlarda, Yapay Sinir Ağları (YSA) ve Adaptif Sinirsel Bulanık Çıkarım Sistemi (ANFIS) çeşitli mühendislik dallarındaki karmaşık sorunları çözmek için yaygın olarak kullanılmaktadır. Bilinen klasik yöntemlerin aksine bu çalışmada, YSA ve ANFIS yardımıyla kömür tabakalarının varlığına yönelik tahmin çalışması yapılmıştır. Çalışmada nötron, gamma ray ve yoğunluk değerleri giriş parametresi, kömür varlığı ise çıkış parametresi olarak kullanılmıştır. Çalışmada kullanılan datalar TKİ Genel Müdürlüğü'nün İR 75153 nolu ruhsat sahasındaki kömür arama sondajlarından alınmıştır. Soma kömür havzasında mekanik olarak açılan 10 adet sondajın jeofizik kuyu logu dataları kullanılmıştır. 10 sondaj kuyusundan 6 adedi eğitim setinde 4 adedi ise test setinde kullanılmıştır. Güvenilir sonuçlar elde etmek için tüm datalar -1 ve 1 arasında normalize edilmiştir. Eğitim ve test Matlab programının YSA ve ANFIS araç kutularında değerlendirilmiştir. YSA ile yapılan çalışmada sonuçlar kuyu bazında değerlendirildiğinde bölgedeki farklı kuyulardan elde edilen jeofizik kuyu logu verileriyle, yine aynı bölgede yer alan kuyularda % 94,9 ile % 86,4 arasında değişen doğruluk oranlarında kömür varlığının tahmin edilebildiği görülmektedir. Test edilen kuyular birlikte değerlendirildiğinde de doğruluk oranı % 91,6 ya kadar yükselebilmektedir. Oluşturulan ileri beslemeli geri yayımlı YSA modelinde düğüm sayısı arttıkça tahmin hatalarının kabul edilebilir miktarlarda arttığı gözlemlenmiştir. Sonuçlardaki hata oranındaki düşüklük, kömürün çıkarılması sürecinde büyük sahalardan alınacak daha az veri ile zaman ve para tasarrufu sağlanarak kaynakların daha etkin kullanılabileceği noktasında umut vericidir.

Recently, Artificial Neural Network (ANN) and Adaptive Neuro Fuzzy Inference System (ANFIS) are used for solving to complex problems in various engineering discipline. Instead to common classical methods, in this study, ANN and ANFIS are used for estimating to presence of coal. In this study , neutron, gamma ray, and density are used as an input parameters, presence of coal is used as an output parameter. Logging data which are measured from 10 mechanical well for coal exploration in Soma Coal Basin area has İR 75153 licence number of General Directorate Of Turkish Coal Enterprises (TKI), are used. 6 of 10 well data are used in training set, remaining data are used in test set. In order to get reliable results, all the data are normalized between -1 and 1. Training and test data are evaluated with ANN and ANFIS Toolbox in Matlab. When ANN modelling of well results are evaluated individually, estimated rate of coal presence varies between %86,4 and %94,6. İf wells data are combined, accuracy rate is calculated as %91,6. İt is seen that error of estimation is acceptable when node number is increased in feed-forward backprobagation ANN model. The results in this study present that estimation of coal presence in larger areas can be succeed with less data, time and low costs by using ANN and ANFIS modelling methods.