| 1 |
1
합성곱 신경망과 강건 최적화를 결합하여 생성된 유정 위치 결정용 신경망을 수신하는 단계;유정 관련 데이터를 입력받는 단계;상기 유정 위치 결정용 신경망을 이용하여 유정 위치별 누적 오일 생산성을 예측하는 단계;상기 유정 위치별 누적 오일 생산성에 따라 유정 배치 시나리오를 검증하는 단계; 및검증된 유정 배치 시나리오의 적격 그리드 블록들에 기초하여 유정의 위치를 결정하는 단계를 포함하는 유정 위치 결정 방법
|
| 2 |
2
제1항에 있어서,상기 유정 위치 결정용 신경망은,상기 유정 위치 결정용 신경망의 성능이 기준 성능을 초과할 때까지 저류층 시뮬레이션으로 수집한 학습 데이터에 훈련, 검증 및 테스트를 수행하여 생성되는 유정 위치 결정 방법
|
| 3 |
3
제2항에 있어서,상기 유정 위치 결정용 신경망은,상기 유정 위치 결정용 신경망의 출력과 저류층 시뮬레이션의 출력 간의 유사도가 높을 수록 상기 유정 위치 결정용 신경망의 성능이 높은 것으로 결정되는 유정 위치 결정 방법
|
| 4 |
4
제1항에 있어서상기 유정 배치 시나리오를 검증하는 단계는,유정 배치 시나리오들 중에서 유정 배치 시나리오에 따라 저류층 시뮬레이션을 수행한 결과와 상기 유정 위치별 누적 오일 생산성 간의 상대 오차가 임계값 이하인 유정 배치 시나리오를 검증하는 유정 위치 결정 방법
|
| 5 |
5
제1항에 있어서,저류층 시뮬레이션을 수행하고, 상기 저류층 시뮬레이션을 수행한 결과와 상기 유정 위치별 누적 오일 생산성 간의 상관 관계를 확인하는 단계;상기 유정 위치별 누적 오일 생산성을 이용하여 누적 오일 생산성의 표준 편차 맵 및 생산성 잠재력 맵을 생성하는 단계; 및누적 오일 생산성의 표준 편차 맵 및 생산성 잠재력 맵에 따라 결정된 생산성 잠재력의 순위가 임계값 이상인 그리드 블록들을 상기 적격 그리드 블록들로 결정하는 단계를 더 포함하는 유정 위치 결정 방법
|
| 6 |
6
제5항에 있어서,상기 유정의 위치를 결정하는 단계는,검증된 유정 배치 시나리오의 적격 그리드 블록들 각각에 유정을 배치하는 단계;유정이 배치된 적격 그리드 블록들 각각에 저류층 시뮬레이션을 수행하여 평균 누적 오일 생산성을 결정하는 단계; 및상기 평균 누적 오일 생산성과 상기 유정 위치별 누적 오일 생산성 간의 상대 오차가 임계값이 이하이고, 상기 평균 누적 오일 생산성이 가장 큰 그리드 블록에 배치된 유정에 따라 상기 유정의 위치를 결정하는 단계를 포함하는 유정 위치 결정 방법
|
| 7 |
7
저류층 시뮬레이션으로 수집한 학습 데이터에 훈련, 검증 및 테스트를 수행하여 신경망을 구축하는 단계;상기 신경망을 이용하여 유정 위치별 누적 오일 생산성을 예측하는 단계; 및상기 유정 위치별 누적 오일 생산성 및 저류층 시뮬레이션을 수행한 결과에 따라 결정된 평균 오일 생산성에 따라 상기 신경망을 유정 위치 결정용 신경망으로 결정하는 단계를 포함하는 유정 위치 결정용 신경망 학습 방법
|
| 8 |
8
제7항에 있어서,상기 신경망을 구축하는 단계는,합성곱 신경망과 강건 최적화를 결합하여 상기 신경망을 생성하는 유정 위치 결정용 신경망 학습 방법
|
| 9 |
9
제7항에 있어서,상기 신경망의 성능이 기준 성능을 초과할 때까지 저류층 시뮬레이션으로 수집한 학습 데이터에 훈련, 검증 및 테스트를 반복 수행하여 상기 신경망을 갱신하는 단계를 더 포함하는 유정 위치 결정용 신경망 학습 방법
|
| 10 |
10
제9항에 있어서,상기 신경망은,상기 신경망의 출력과 저류층 시뮬레이션의 출력 간의 유사도가 높을 수록 상기 신경망의 성능이 높은 것으로 결정되는 유정 위치 결정용 신경망 학습 방법
|
| 11 |
11
제7항에 있어서상기 유정 위치별 누적 오일 생산성을 이용하여 유정 위치별 생산성 잠재력 맵을 추정하는 단계; 누적 오일 생산성의 표준 편차 맵 및 생산성 잠재력 맵에 따라 결정된 생산성 잠재력의 순위가 임계값 이상인 그리드 블록들을 적격 그리드 블록들로 결정하는 단계; 및상기 유정 위치별 누적 오일 생산성에 따라 유정 배치 시나리오를 검증하는 단계 를 더 포함하는 유정 위치 결정용 신경망 학습 방법
|
| 12 |
12
제11항에 있어서,상기 신경망을 유정 위치 결정용 신경망으로 결정하는 단계는, 검증된 유정 배치 시나리오의 적격 그리드 블록들 각각에 유정을 배치하는 단계;유정이 배치된 적격 그리드 블록들 각각에 저류층 시뮬레이션을 수행하여 평균 누적 오일 생산성을 결정하는 단계;상기 평균 누적 오일 생산성과 상기 유정 위치별 누적 오일 생산성 간의 상대 오차가 임계값 이하인 경우, 상기 신경망을 유정 위치 결정용 신경망으로 결정하는 단계; 및상기 평균 누적 오일 생산성과 상기 유정 위치별 누적 오일 생산성 간의 상대 오차가 임계값을 초과하는 경우, 상기 신경망을 재교육하는 단계 를 포함하는 유정 위치 결정용 신경망 학습 방법
|
| 13 |
13
합성곱 신경망과 강건 최적화를 결합하여 생성된 유정 위치 결정용 신경망을 수신하고, 유정 관련 데이터를 입력받는 입출력기; 및상기 유정 위치 결정용 신경망을 이용하여 유정 위치별 누적 오일 생산성을 예측하고, 상기 유정 위치별 누적 오일 생산성에 따라 유정 배치 시나리오를 검증하며, 검증된 유정 배치 시나리오의 적격 그리드 블록들에 기초하여 유정의 위치를 결정하는 프로세서를 포함하는 유정 위치 결정 장치
|
| 14 |
14
제13항에 있어서,상기 프로세서는,상기 유정 위치별 누적 오일 생산성을 이용하여 누적 오일 생산성의 표준 편차 맵 및 생산성 잠재력 맵을 생성하고, 누적 오일 생산성의 표준 편차 맵 및 생산성 잠재력 맵에 따라 결정된 생산성 잠재력의 순위가 임계값 이상인 그리드 블록들을 상기 적격 그리드 블록들로 결정하는 유정 위치 결정 장치
|
| 15 |
15
제14항에 있어서,상기 프로세서는,검증된 유정 배치 시나리오의 적격 그리드 블록들 각각에 유정을 배치하고, 유정이 배치된 적격 그리드 블록들 각각에 저류층 시뮬레이션을 수행하여 평균 누적 오일 생산성을 결정하며, 상기 평균 누적 오일 생산성과 상기 유정 위치별 누적 오일 생산성 간의 상대 오차가 임계값이 이하이고, 상기 평균 누적 오일 생산성이 가장 큰 그리드 블록에 배치된 유정에 따라 상기 유정의 위치를 결정하는 유정 위치 결정 장치
|
| 16 |
16
저류층 시뮬레이션으로 수집한 학습 데이터에 훈련, 검증 및 테스트를 수행하여 신경망을 구축하고, 상기 신경망을 이용하여 유정 위치별 누적 오일 생산성을 예측하며, 상기 유정 위치별 누적 오일 생산성 및 저류층 시뮬레이션을 수행한 결과에 따라 결정된 평균 오일 생산성에 따라 상기 신경망을 유정 위치 결정용 신경망으로 결정하는 프로세서를 포함하는 유정 위치 결정용 신경망 학습 장치
|
| 17 |
17
제16항에 있어서,상기 프로세서는,합성곱 신경망과 강건 최적화를 결합하여 상기 신경망을 생성하고, 상기 신경망의 성능이 기준 성능을 초과할 때까지 저류층 시뮬레이션으로 수집한 학습 데이터에 훈련, 검증 및 테스트를 반복 수행하여 상기 신경망을 갱신하는 유정 위치 결정용 신경망 학습 장치
|
