| 1 |
1
컴퓨팅 디바이스에 의해 수행되는 딥러닝을 이용한 셰일가스 생산량 예측모델 생성방법에 있어서,유정의 실제 생산량 정보를 포함하는 트레이닝 유정자료를 획득하는 트레이닝 유정자료 획득단계; 상기 트레이닝 유정자료를 전처리하는 전처리 단계; 전처리된 상기 트레이닝 유정자료를 순환신경망을 이용한 네트워크를 통해 학습시켜 셰일가스 생산량 예측모델을 생성하는 예측모델 생성단계; 및상기 셰일가스 생산량 예측모델을 이용하여 테스트 유정의 생산량을 예측하는 생산량 예측단계를 포함하되,상기 전처리 단계는,상기 트레이닝 유정 자료에서 소정의 생산량 이하의 생산량 값을 제거하여 전처리된 생산량 자료를 얻는 제1 단계와,상기 트레이닝 유정 자료에서 소정의 생산량 이하의 생산량 값을 갖는 기간을 포함하는 셧인(shut-in) 정보를 얻는 제2 단계를 포함하고,상기 학습에서,상기 제1 단계에서 얻은 생산량 자료와, 상기 제2 단계에서의 셧인 정보를 함께, 상기 순환신경망의 입력층에 사용하는 딥러닝을 이용한 셰일가스 생산량 예측모델 생성 방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서, 상기 테스트 유정의 생산량 예측은 상기 테스트 유정의 전처리된 생산이력 및 상기 테스트 유정의 운용환경에 따라 설정되는 셧인 값을 인자로 하여 상기 셰일가스 생산량 예측모델을 통해 이루어지는 것인, 딥러닝을 이용한 셰일가스 생산량 예측모델 생성 방법
|
| 4 |
4
제1항에 있어서, 상기 순환신경망을 이용한 네트워크는 입력층, 순환신경망층, 출력층을 포함하는 것인, 딥러닝을 이용한 셰일가스 생산량 예측모델 생성 방법
|
| 5 |
5
제1항에 있어서,상기 전처리 단계는,지질학적 정보, 수압파쇄정보, 그리고 상기 제1 단계에서 얻은 생산량 자료 중 적어도 하나를 기준으로 유정을 선별한 후, 상기 트레이닝 유정자료를 정규화하는 것인, 딥러닝을 이용한 셰일가스 생산량 예측모델 생성 방법
|
| 6 |
6
제1항에 있어서,생산량 예측에 영향을 미치는 위치정보, 수평정정보, 수압파쇄정보, 생산정보, 저류층 물성정보, 지질학적 정보 중 적어도 어느 하나를 생산량 예측에 이용하는 딥러닝을 이용한 셰일가스 생산량 예측모델 생성 방법
|
