| 1 |
1
기존의 천이 유동 영역의 셰일가스정에 대한 생산자료를 입력하도록 구성된 셰일가스정 생산자료 입력부;데이터기반의 인공신경망 모델을 생성하여 미래의 천이 유동 셰일가스정에 대한 생산량을 산출하도록 구성된 인공신경망 모델 생성부; 상기 미래의 천이 유동 셰일가스정에 대한 생산량과 상기 기존의 천이 유동 영역의 셰일가스정에 대한 생산자료를 감퇴 곡선법을 이용하여 미래의 생산 거동 및 궁극 가채량을 산출하도록 구성된 생산 거동 및 궁극 가채량 산출부를 포함하며,상기 인공신경망 모델 생성부는학습에 활용할 인근 셰일가스정에 대한 생산 관련 자료를 수집하고, 상기 인공신경망 모델의 입출력 변수를 선정하며,중요도 분석을 통해 상기 선정된 입출력 변수 중 출력변수와 상관성이 높은 입력변수를 선정하여 입출력 변수의 데이터집합을 구성하며,상기 입출력 변수의 데이터집합에 대한 군집분석을 통해 데이터 집합 내 유사성을 가지는 군집별 인공신경망 모델을 생성하며,상기 인공신경망 모델의 출력을 미래 생산량으로 산출하도록 더욱 구성된, 머신러닝 기법을 이용한 천이 유동 영역의 셰일가스정에 대한 생산성 예측 장치
|
| 2 |
2
삭제
|
| 3 |
3
제 1 항에 있어서,상기 입력변수는생산정 위치, 저류층 두께, 시추 깊이 및 가스 비중을 포함하는 네이티브(Native) 인자,수평정 길이, 클러스터 수, 파쇄 유체 주입량 및 프로판트 주입량을 포함하는 설계 인자, 및오일환산계수 피크, 닫힘 정두 압력, 가스 액체비, 초기 생산량, 튜빙 압력, 정두 압력, 시험 생산량, 감퇴율(1년), 및 물 생산량을 포함하는 생산 운영 인자를 포함하며;상기 출력변수는 미래 시점의 생산량인, 머신러닝 기법을 이용한 천이 유동 영역의 셰일가스정에 대한 생산성 예측 장치
|
| 4 |
4
제 1 항에 기재된 머신러닝 기법을 이용한 천이 유동 영역의 셰일가스정에 대한 생산성 예측 장치를 이용한 생산성 예측 방법으로서: 셰일 가스정 생산자료 입력부에 의해 기존의 천이 유동 영역의 셰일가스정에 대한 생산자료가 입력되는 단계;인공신경망 모델 생성부가 데이터기반의 인공신경망 모델을 생성하여 미래의 천이 유동 셰일가스정에 대한 생산량을 산출하는 단계; 및생산 거동 및 궁극 가채량 산출부가 상기 미래의 천이 유동 셰일가스정에 대한 생산량과 상기 기존의 천이 유동 영역의 셰일가스정에 대한 생산자료를 감퇴 곡선법을 이용하여 미래의 생산 거동 및 궁극 가채량을 산출하는 단계를 포함하는 생산성 예측 방법
|
| 5 |
5
제 4 항에 있어서,상기 생산량을 산출하는 단계는학습에 활용할 인근 셰일가스정에 대한 생산 관련 자료를 수집하는 단계; 상기 인공신경망 모델의 입출력 변수를 선정하는 단계;중요도 분석을 통해 상기 선정된 입출력 변수 중 출력변수와 상관성이 높은 입력변수를 선정하여 입출력 변수의 데이터집합을 구성하는 단계;상기 입출력 변수의 데이터집합에 대한 군집분석을 통해 데이터 집합 내 유사성을 가지는 군집별 인공신경망 모델을 생성하는 단계; 및상기 인공신경망 모델의 출력을 미래 생산량으로 산출하는 단계를 포함하는 생산성 예측 방법
|
| 6 |
6
제 5 항에 있어서,상기 입력변수는생산정 위치, 저류층 두께, 시추 깊이 및 가스 비중을 포함하는 네이티브(Native) 인자,수평정 길이, 클러스터 수, 파쇄 유체 주입량 및 프로판트 주입량을 포함하는 설계 인자, 및오일환산계수 피크, 닫힘 정두 압력, 가스 액체비, 초기 생산량, 튜빙 압력, 정두 압력, 시험 생산량, 감퇴율(1년), 및 물 생산량을 포함하는 생산 운영 인자를 포함하며;상기 출력변수는 미래 시점의 생산량인 생산성 예측 방법
|
