맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

딥러닝을 이용한 저류층 불확실성 평가 방법

  • 기술번호 : KST2019027929
  • 담당센터 : 대전기술혁신센터
  • 전화번호 : 042-610-2279
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 정적자료(static data)로부터 생성된 수많은 저류층모델을 딥러닝기법으로 모델의 특징(feature)을 추출하고 이를 기반으로 유사한 저류층모델을 클러스터링하고 대표모델을 선정하여 적은 수의 모델로 전체 저류층모델의 불확실성 범위를 유지할 수 있으며, 또한 동적자료(dynamic data) 확보 시, 상기 클러스터별 대표모델의 예측된 동적자료와 관측된 동적자료를 비교하여 최적대표모델을 선정하고 이와 유사도가 높은 최종모델을 선정하여 불확실성 범위를 개선시키는 딥러닝을 이용한 저류층 불확실성 평가 방법에 관한 것으로서 정적자료를 준비하는 단계; 지구통계기법으로 상기 정적자료를 활용한 다수의 저류층모델을 생성하는 단계; 오토인코더로 상기 다수의 저류층모델을 학습하는 학습단계; 상기 학습된 오토인코더로 저류층모델의 특징벡터를 추출하는 인코딩 단계; 상기 추출된 특징벡터에 따라 저류층모델의 유사성(거리)을 평가하는 단계; 상기 유사성에 따라 클러스터링기법으로 유사한 모델을 군집화시키는 군집화 단계; 상기 군집화된 클러스터별로 대표모델을 선정하는 대표모델 선정 단계; 상기 대표모델들에 대하여 저류층 시뮬레이션하는 제1 시뮬레이션 단계; 저류층으로부터 관측된 동적자료가 있는 지의 여부를 판단하는 판단단계; 상기 판단단계에서의 판단결과 관측된 동적자료가 없는 경우에는 상기 제1 시뮬레이션 단계에서의 시뮬레이션 결과를 이용하여 불확실성을 평가하는 단계; 및 상기 판단단계에서의 판단결과 관측된 동적자료가 있는 경우, 상기 동적자료를 이용하여 최적대표모델 및 최종모델을 선정하고 불확실성을 평가하는 단계; 및 상기 대표모델들 또는 최종모델들을 이용하여 역산알고리즘을 수행하는 역산단계;를 포함하여 구성되어 딥러닝 기반 클러스터링을 통해 적은 연산량으로 신뢰성 있게 저류층의 불확실성을 평가할 수 있는 효과가 있다.
Int. CL G06F 17/50 (2006.01.01) G01V 1/28 (2006.01.01) G06N 3/08 (2006.01.01)
CPC G06F 30/20(2013.01) G06F 30/20(2013.01) G06F 30/20(2013.01) G06F 30/20(2013.01)
출원번호/일자 1020170146164 (2017.11.03)
출원인 한국지질자원연구원
등록번호/일자 10-1867475-0000 (2018.06.07)
공개번호/일자
공고번호/일자 (20180614) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2017.11.03)
심사청구항수 6

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국지질자원연구원 대한민국 대전광역시 유성구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 이경북 대전광역시 유성구
2 김재준 경기도 고양시 일산동구
3 임정택 경기도 의왕시 모락로 **-*

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 김정수 대한민국 서울시 송파구 올림픽로 ***(방이동) *층(이수국제특허법률사무소)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국지질자원연구원 대전광역시 유성구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2017.11.03 수리 (Accepted) 1-1-2017-1094516-97
2 [우선심사신청]심사청구(우선심사신청)서
[Request for Preferential Examination] Request for Examination (Request for Preferential Examination)		 2017.12.04 수리 (Accepted) 1-1-2017-1206824-94
3 선행기술조사의뢰서
Request for Prior Art Search		 2017.12.12 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2018.01.02 수리 (Accepted) 9-1-2018-0000057-70
5 의견제출통지서
Notification of reason for refusal		 2018.01.10 발송처리완료 (Completion of Transmission) 9-5-2018-0025231-31
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2018.03.12 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2018-0244240-21
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2018.03.12 수리 (Accepted) 1-1-2018-0244241-77
8 거절결정서
Decision to Refuse a Patent		 2018.04.27 발송처리완료 (Completion of Transmission) 9-5-2018-0289827-56
9 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2018.05.25 수리 (Accepted) 1-1-2018-0512967-69
10 [명세서등 보정]보정서(재심사)
Amendment to Description, etc(Reexamination)		 2018.05.25 보정승인 (Acceptance of amendment) 1-1-2018-0512965-78
11 등록결정서
Decision to Grant Registration		 2018.06.04 발송처리완료 (Completion of Transmission) 9-5-2018-0380937-38
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
삭제
2 2
정적자료를 준비하는 단계; 지구통계기법으로 상기 정적자료를 활용한 다수의 저류층모델을 생성하는 단계;오토인코더로 상기 다수의 저류층모델을 학습하는 학습단계;상기 학습된 오토인코더로 저류층모델의 특징벡터를 추출하는 인코딩 단계; 상기 추출된 특징벡터에 따라 저류층모델의 유사성(거리)을 평가하는 단계; 상기 유사성에 따라 클러스터링기법으로 유사한 모델을 군집화시키는 군집화 단계; 상기 군집화된 클러스터별로 대표모델을 선정하는 대표모델 선정 단계;상기 대표모델들에 대하여 저류층 시뮬레이션하는 제1 시뮬레이션 단계;저류층으로부터 관측된 동적자료가 있는 지의 여부를 판단하는 판단단계;상기 판단단계에서의 판단결과 관측된 동적자료가 없는 경우에는 상기 제1 시뮬레이션 단계에서의 시뮬레이션 결과를 이용하여 불확실성을 평가하는 단계; 및 상기 판단단계에서의 판단결과 관측된 동적자료가 있는 경우, 상기 동적자료를 이용하여 최적대표모델 및 최종모델을 선정하고 불확실성을 평가하는 단계; 및상기 대표모델들 또는 최종모델들을 이용하여 역산알고리즘을 수행하는 역산단계;를 포함하고, 상기 동적자료를 이용하여 불확실성을 평가하는 단계는, 상기 제1 시뮬레이션 단계의 대표모델들의 예측값과 상기 동적자료를 비교하여 오차가 최소인 최적대표모델을 선정하는 단계; 상기 선정된 최적대표모델과 유사성이 큰 모델을 선정하는 최종모델 선정 단계; 상기 최종모델들에 대해 저류층 시뮬레이션을 수행하는 제2 시뮬레이션 단계; 및상기 시뮬레이션 결과를 이용하여 개선된 불확실성을 평가하는 개선된 불확실성 평가 단계;를 포함하는 딥러닝을 이용한 저류층 불확실성 평가 방법
3 3
정적자료를 준비하는 단계; 지구통계기법으로 상기 정적자료를 활용한 다수의 저류층모델을 생성하는 단계;오토인코더로 상기 다수의 저류층모델을 학습하는 학습단계;상기 학습된 오토인코더로 저류층모델의 특징벡터를 추출하는 인코딩 단계; 상기 추출된 특징벡터에 따라 저류층모델의 유사성(거리)을 평가하는 단계; 상기 유사성에 따라 클러스터링기법으로 유사한 모델을 군집화시키는 군집화 단계; 상기 군집화된 클러스터별로 대표모델을 선정하는 대표모델 선정 단계;상기 대표모델들에 대하여 저류층 시뮬레이션하는 제1 시뮬레이션 단계;저류층으로부터 관측된 동적자료가 있는 지의 여부를 판단하는 판단단계;상기 판단단계에서의 판단결과 관측된 동적자료가 없는 경우에는 상기 제1 시뮬레이션 단계에서의 시뮬레이션 결과를 이용하여 불확실성을 평가하는 단계; 클러스터별 대표모델을 초기모델로 하여 역산알고리즘을 수행하는 제1 역산 단계;및 상기 판단단계에서의 판단결과 관측된 동적자료가 있는 경우, 상기 동적자료를 이용하여 최적대표모델 및 최종모델을 선정하고 불확실성을 평가하는 단계; 클러스터별 최종모델들을 초기모델로 하여 역산알고리즘을 수행하는 제2 역산 단계;상기 대표모델들 또는 최종모델들을 이용하여 역산알고리즘을 수행하는 역산단계;를 포함하는 딥러닝을 이용한 저류층 불확실성 평가 방법
4 4
정적자료를 준비하는 단계; 지구통계기법으로 상기 정적자료를 활용한 다수의 저류층모델을 생성하는 단계;오토인코더로 상기 다수의 저류층모델을 학습하는 학습단계;상기 학습된 오토인코더로 저류층모델의 특징벡터를 추출하는 인코딩 단계; 상기 추출된 특징벡터에 따라 저류층모델의 유사성(거리)을 평가하는 단계; 상기 유사성에 따라 클러스터링기법으로 유사한 모델을 군집화시키는 군집화 단계; 상기 군집화된 클러스터별로 대표모델을 선정하는 대표모델 선정 단계;상기 대표모델들에 대하여 저류층 시뮬레이션하는 제1 시뮬레이션 단계;저류층으로부터 관측된 동적자료가 있는 지의 여부를 판단하는 판단단계;상기 판단단계에서의 판단결과 관측된 동적자료가 없는 경우에는 상기 제1 시뮬레이션 단계에서의 시뮬레이션 결과를 이용하여 불확실성을 평가하는 단계; 및 상기 판단단계에서의 판단결과 관측된 동적자료가 있는 경우, 상기 동적자료를 이용하여 최적대표모델 및 최종모델을 선정하고 불확실성을 평가하는 단계; 및상기 대표모델들 또는 최종모델들을 이용하여 역산알고리즘을 수행하는 역산단계;를 포함하고, 상기 군집화 단계 및 최종모델 선정 단계는, 상기 인코딩 단계에서 추출된 특징벡터를 이용해 계산된 오토인코더 거리를 기준으로 모델간 유사성을 평가하는 것인 딥러닝을 이용한 저류층 불확실성 평가 방법
5 5
제2항에 있어서, 상기 최종모델 선정 단계는, 상기 선정된 최적대표모델과 오토인코더기반 유사성이 가장 높은 저류층모델을 소정의 수만큼 선정하여 구성하는 것인 딥러닝을 이용한 저류층 불확실성 평가 방법
6 6
정적자료를 준비하는 단계; 지구통계기법으로 상기 정적자료를 활용한 다수의 저류층모델을 생성하는 단계;오토인코더로 상기 다수의 저류층모델을 학습하는 학습단계;상기 학습된 오토인코더로 저류층모델의 특징벡터를 추출하는 인코딩 단계; 상기 추출된 특징벡터에 따라 저류층모델의 유사성(거리)을 평가하는 단계; 상기 유사성에 따라 클러스터링기법으로 유사한 모델을 군집화시키는 군집화 단계; 상기 군집화된 클러스터별로 대표모델을 선정하는 대표모델 선정 단계;상기 대표모델들에 대하여 저류층 시뮬레이션하는 제1 시뮬레이션 단계;저류층으로부터 관측된 동적자료가 있는 지의 여부를 판단하는 판단단계;상기 판단단계에서의 판단결과 관측된 동적자료가 없는 경우에는 상기 제1 시뮬레이션 단계에서의 시뮬레이션 결과를 이용하여 불확실성을 평가하는 단계; 및 상기 판단단계에서의 판단결과 관측된 동적자료가 있는 경우, 상기 동적자료를 이용하여 최적대표모델 및 최종모델을 선정하고 불확실성을 평가하는 단계; 및상기 대표모델들 또는 최종모델들을 이용하여 역산알고리즘을 수행하는 역산단계;를 포함하고, 상기 제1 시뮬레이션 단계는, 다수의 저류층모델 전체로부터 선정된 클러스터링 수와 동일한 소정의 대표모델만으로 구성하는 것인 딥러닝을 이용한 저류층 불확실성 평가 방법
7 7
정적자료를 준비하는 단계; 지구통계기법으로 상기 정적자료를 활용한 다수의 저류층모델을 생성하는 단계;오토인코더로 상기 다수의 저류층모델을 학습하는 학습단계;상기 학습된 오토인코더로 저류층모델의 특징벡터를 추출하는 인코딩 단계; 상기 추출된 특징벡터에 따라 저류층모델의 유사성(거리)을 평가하는 단계; 상기 유사성에 따라 클러스터링기법으로 유사한 모델을 군집화시키는 군집화 단계; 상기 군집화된 클러스터별로 대표모델을 선정하는 대표모델 선정 단계;상기 대표모델의 특징벡터를 학습된 오토인코더의 디코딩을 통해 저류층모델로 복원하는 제1 디코딩 단계;상기 대표모델들에 대하여 저류층 시뮬레이션하는 제1 시뮬레이션 단계;저류층으로부터 관측된 동적자료가 있는 지의 여부를 판단하는 판단단계;상기 판단단계에서의 판단결과 관측된 동적자료가 없는 경우에는 상기 제1 시뮬레이션 단계에서의 시뮬레이션 결과를 이용하여 불확실성을 평가하는 단계; 및 상기 판단단계에서의 판단결과 관측된 동적자료가 있는 경우, 상기 동적자료를 이용하여 최적대표모델 및 최종모델을 선정하고 불확실성을 평가하는 단계;상기 최종모델의 특징벡터를 학습된 오토인코더의 디코딩을 통해 저류층모델로 복원하는 제2 디코딩 단계; 및상기 대표모델들 또는 최종모델들을 이용하여 역산알고리즘을 수행하는 역산단계;를 포함하는 딥러닝을 이용한 저류층 불확실성 평가 방법
지정국 정보가 없습니다
순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - 패밀리정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2019088543 WO 세계지적재산권기구(WIPO) FAMILY

DOCDB 패밀리 정보

순번, 패밀리번호, 국가코드, 국가명, 종류의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 패밀리정보 - DOCDB 패밀리 정보 표입니다.
순번 패밀리번호 국가코드 국가명 종류
1 WO2019088543 WO 세계지적재산권기구(WIPO) DOCDBFAMILY
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 산업통상자원부 에너지홀딩스그룹(주) 자원개발기술개발 중소형 육상 유가스전을 위한 디지털오일필드 시스템 구축 및 사업화기술 개발
2 과학기술정보통신부 한국지질자원연구원 한국지질자원연구원연구운영비지원 석유시스템-정적-동적자료 융합을 통한 유가스전 지능형 평가기술 개발