상세 보기
머신러닝 기반 생산기간에 따른 셰일가스 궁극가채량 예측의 불확실성 추이 분석
Analysis of Uncertainty Trend for Estimated Ultimate Recovery Prediction of Shale Gas with Various Production Periods based on Machine Learning
- 오현택;
- 기세일;
- 박창협;
- 장일식
초록
셰일저류층의 불균질성, 나노 스케일의 유체투과도 및 유동 메커니즘의 복잡성으로 인해 저류층시뮬레이션과 같은 물리적 모델 기반 분석보다는 머신러닝을 활용한 생산자료 분석법이 활발히 사용되고 있다. 이 연구에서는 랜덤 포레스트 모델을 활용하여 입력자료에 따른 Barnett Shale의 가스생산정에 대한 생산성 분석을 수행하였다. 입력자료는 저류층 물성, 완결조건, 생산정 정보 등의 정적자료와 가스의 초기 최대 생산량, 6개월 및 12개월 월별 생산량 등 동적자료로 구성되었다. 다양한 입력자료에 대한 랜덤 포레스트 모델의 궁극가채량 예측오차를 비교하였으며, 예측의 불확실성분석을 위해 P90/P50/P10을 도출하여 신뢰구간의 변화 추이를 분석한 결과, 랜덤 포레스트 모델의유용성과 활용성을 확인하였다.
키워드
셰일가스; 머신러닝; 랜덤 포레스트; 궁극가채량; 불확실성 분석; Shale gas; Machine learning; Random forest; EUR; Uncertainty analysis
- 제목
- 머신러닝 기반 생산기간에 따른 셰일가스 궁극가채량 예측의 불확실성 추이 분석
- 제목 (타언어)
- Analysis of Uncertainty Trend for Estimated Ultimate Recovery Prediction of Shale Gas with Various Production Periods based on Machine Learning
- 저자
- 오현택; 기세일; 박창협; 장일식
- 발행일
- 2021-10
- 유형
- Y
- 저널명
- 한국자원공학회지
- 권
- 58
- 호
- 5
- 페이지
- 475 ~ 490
- 언어
- KOR
- 출판사
- 한국자원공학회
- 발행국가
- 대한민국
- 분량
- 16 페이지
- ISSN
- E 2288-2790
P 2288-0291