Publications

Detailed Information

거리기반 후보군 선정과 심층신경망을 결합한 다목적 히스토리매칭 연구

Cited 0 time in Web of Science Cited 0 time in Scopus
Authors

김재준

Advisor
강주명
Major
공과대학 에너지시스템공학부
Issue Date
2017-08
Publisher
서울대학교 대학원
Keywords
거리기반 군집화심층신경망오터인코더히스토리매칭다목적 최적화저류층 특성화
Description
학위논문 (박사)-- 서울대학교 대학원 공과대학 에너지시스템공학부, 2017. 8. 강주명.
Abstract
이 연구에서는 심층신경망과 거리기반 후보군 선정법을 결합하여 다목적 히스토리매칭을 수행하고 신뢰도 높게 저류층의 생산추이를 예측하는 기법을 개발하였다. 기존의 앙상블기반의 히스토리매칭 기법은 입력자료들이 정규분포를 따르지 않는 경우에는 최적해의 신뢰성이 떨어진다는 한계점이 있다. 또한, 다목적 최적화 알고리즘은 목적함수가 많아지면, 모든 목적함수를 만족시키는 최적해가 제대로 수렴하지 못하는 문제점이 있다.
이 연구에서 제안한 기법은 다목적 최적화 알고리즘의 비수렴성과 앙상블기반기법의 한계점을 극복하였다. 저류층의 생산추이를 입력값, 저류층의 물성을 출력값으로 한 역산모델 신경망을 구성하고, 거리기반 군집화를 통해 실제 생산자료와 유사한 추이를 보이는 후보 저류층을 새로운 학습으로 인공신경망의 지도효과를 개선하였다. 또한, 심층신경망 기법인 오토인코더를 이용하여 학습자료를 내재화함으로써 신경망의 학습속도와 학습성능을 향상시켰다.
제안한 기법의 방법론을 검증하기 위하여 목적함수가 가스 생산량 하나이며, 지질학적 복잡성이 거의 없는 균질한 셰일저류층에서 히스토리매칭을 수행하였다. 제안한 거리기반 후보군 선정 기법을 통하여 새로운 학습집단을 선정함으로써 신경망 기법의 학습성능이 개선됨을 확인하였다. 저류층의 암상분포가 생산량에 큰 영향을 주며, 정규분포를 따르지 않는 채널저류층에서 암상분포를 추정하였다. 앙상블칼만필터는 기본가정인 정규분포를 만족시키지 않는 채널저류층에서 히스토리매칭에 실패한 반면에, 제안한 기법은 암상분포를 신뢰성 있게 추정하였다. 필드 적용성을 평가하기 위하여 불균질 필드에서 오일 생산량, 정저압력, 가스-오일비 등 총 18개의 목적함수에 대한 다목적 히스토리매칭을 수행하였다. 다목적 최적화 알고리즘은 목적함수가 많아 최적해가 수렴하지 못하는 문제가 발생한 반면에, 제안한 기법은 역산모델 신경망을 통하여 목적함수 의존적 문제를 극복하여 정확한 예측치를 산출하였다.
기존 기법과의 비교를 통하여 제안한 기법이 거리기반 후보군 선정을 통해 심층신경망의 학습성능을 개선함으로써 신뢰성 있는 최적해를 도출함을 확인하였다. 제안한 기법은 다수의 생산정이 존재하는 저류층에서도 신뢰도 높은 생산량 예측이 가능하므로 저류층 개발을 위한 의사결정의 도구로서 활용될 수 있다.
Language
Korean
URI
https://hdl.handle.net/10371/136754
Files in This Item:
Appears in Collections:

Altmetrics

Item View & Download Count

  • mendeley

Items in S-Space are protected by copyright, with all rights reserved, unless otherwise indicated.

Share