| 1 |
1
합성곱 신경망을 사용하여 생성된 추가정 위치 결정용 신경망을 수신하는 단계;유정 관련 데이터를 입력받는 단계;상기 추가정 위치 결정용 신경망을 이용하여 추가정의 후보 위치별 오일 생산량을 예측하는 단계;상기 추가정의 후보 위치별 오일 생산량에 따라 저류층 시뮬레이션을 수행할 장소를 결정하는 단계; 및상기 장소에 대하여 저류층 시뮬레이션을 수행하여 추가정 위치를 결정하는 단계를 포함하는 추가정 위치 결정 방법
|
| 2 |
2
제1항에 있어서,상기 추가정 위치 결정용 신경망은,상기 추가정 위치 결정용 신경망의 성능이 기준 성능을 초과할 때까지 저류층 시뮬레이션으로 수집한 학습 데이터에 학습, 검증 및 테스트를 수행하여 생성되는 추가정 위치 결정 방법
|
| 3 |
3
제2항에 있어서,상기 추가정 위치 결정용 신경망은,상기 추가정 위치 결정용 신경망의 출력과 저류층 시뮬레이션의 출력 간의 유사도가 높을 수록 상기 추가정 위치 결정용 신경망의 성능이 높은 것으로 결정되는 추가정 위치 결정 방법
|
| 4 |
4
제1항에 있어서상기 추가정 위치 결정용 신경망은,정적 속성 데이터에 컨볼루션 연산을 수행하여 제1 특성 배열을 출력하는 제1 컨볼루션 레이어, 상기 제1 특성 배열의 크기를 축소시켜 제2 특성 배열을 출력하는 제1 풀링 레이어, 제2 특성 배열에 컨볼루션 연산을 수행하여 제3 특성 배열을 출력하는 제2 컨볼루션 레이어, 제3 특성 배열에 컨볼루션 연산을 수행하여 제4 특성 배열을 출력하는 제3 컨볼루션 레이어, 상기 제4 특성 배열의 크기를 축소시켜 제5 특성 배열을 출력하는 제2 풀링 레이어, 상기 제5 특성 배열을 1차원 특성 배열로 변환하는 플레트닝(flattening) 레이어 및 상기 1차원 특성 배열을 연산하는 풀 커넥션 레이어들로 구성된 싱글 모달 합성곱 신경망인 추가정 위치 결정 방법
|
| 5 |
5
제1항에 있어서상기 추가정 위치 결정용 신경망은,정적 속성 데이터로부터 정적 속성 특징을 추출하는 싱글 모달 합성곱 신경망, 및 동적 속성 데이터로부터 동적 속성 특징을 추출하는 싱글 모달 합성곱 신경망의 컨볼루션 분기들을 병렬적으로 연결한 듀얼 모달 합성곱 신경망인 추가정 위치 결정 방법
|
| 6 |
6
제1항에 있어서상기 추가정 위치 결정용 신경망은,정적 속성 데이터를 입력받는 제1 싱글 모달 합성곱 신경망, 상기 제1 싱글 모달 합성곱 신경망과 서로 다른 정적 속성 데이터를 입력받는 제2 싱글 모달 합성곱 신경망, 동적 속성 데이터를 입력받는 제3 싱글 모달 합성곱 신경망, 상기 제3 싱글 모달 합성곱 신경망과 서로 다른 동적 속성 데이터를 입력받는 제4 싱글 모달 합성곱 신경망, 싱글 모달 합성곱 신경망들 각각이 추출한 특징들을 연결시키는 연결(concatenate) 레이어, 및 상기 연결 레이어의 출력을 연산하는 풀 커넥션 레이어들로 구성된 쿼드 모달 합성곱 신경망인 추가정 위치 결정 방법
|
| 7 |
7
임의의 위치에 저류층 시뮬레이션을 수행하여 학습 데이터를 수집하는 단계;합성곱 신경망이 사용된 신경망을 구축하는 단계;상기 학습 데이터를 이용하여 상기 신경망을 학습하는 단계;상기 신경망을 이용하여 추가정의 후보 위치별 오일 생산량을 예측하는 단계; 및상기 후보 위치별 오일 생산량 및 저류층 시뮬레이션을 수행한 결과 간의 상대 오차가 임계값 이하인 경우, 상기 신경망을 추가정 위치 결정용 신경망으로 결정하는 단계를 포함하는 추가정 위치 결정용 신경망 학습 방법
|
| 8 |
8
제7항에 있어서,상기 신경망을 학습하는 단계는,상기 학습 데이터에 포함된 검증 세트를 이용하여 상기 신경망의 성능이 기준 성능을 초과하는지 여부를 확인하는 단계;상기 신경망의 성능이 기준 성능을 초과하는 경우, 상기 학습 데이터에 포함된 테스트 세트를 이용하여 상기 신경망의 성능을 검증하는 단계; 및상기 신경망의 성능이 기준 성능 이하이거나, 검증에 실패하는 경우, 상기 학습 데이터에 포함된 학습 세트를 이용하여 상기 신경망을 학습하는 단계를 더 포함하고,상기 후보 위치별 오일 생산량을 예측하는 단계는,검증에 성공한 신경망을 이용하여 추가정 위치별 오일 생산량을 예측하는 추가정 위치 결정용 신경망 학습 방법
|
| 9 |
9
제7항에 있어서,상기 신경망은,상기 신경망의 출력과 저류층 시뮬레이션의 출력 간의 유사도가 높을 수록 상기 신경망의 성능이 높은 것으로 결정되는 추가정 위치 결정용 신경망 학습 방법
|
| 10 |
10
제7항에 있어서상기 후보 위치별 오일 생산량 및 저류층 시뮬레이션을 수행한 결과 간의 상대 오차가 임계값을 초과하는 경우, 상기 신경망을 재교육하는 단계 를 더 포함하는 추가정 위치 결정용 신경망 학습 방법
|
| 11 |
11
제1항 내지 제10항 중 어느 한 항의 방법을 실행하기 위한 프로그램이 기록된 컴퓨터에서 판독 가능한 기록 매체
|
| 12 |
12
합성곱 신경망을 사용하여 생성된 추가정 위치 결정용 신경망을 수신하고, 유정 관련 데이터를 입력받는 입출력기; 및상기 추가정 위치 결정용 신경망을 이용하여 추가정의 후보 위치별 오일 생산량을 예측하고, 상기 추가정의 후보 위치별 오일 생산량에 따라 저류층 시뮬레이션을 수행할 장소를 결정하며, 상기 장소에 대하여 저류층 시뮬레이션을 수행하여 추가정 위치를 결정하는 프로세서를 포함하는 추가정 위치 결정 장치
|
| 13 |
13
제12항에 있어서,상기 추가정 위치 결정용 신경망은,정적 속성 데이터에 컨볼루션 연산을 수행하여 제1 특성 배열을 출력하는 제1 컨볼루션 레이어, 상기 제1 특성 배열의 크기를 축소시켜 제2 특성 배열을 출력하는 제1 풀링 레이어, 제2 특성 배열에 컨볼루션 연산을 수행하여 제3 특성 배열을 출력하는 제2 컨볼루션 레이어, 제3 특성 배열에 컨볼루션 연산을 수행하여 제4 특성 배열을 출력하는 제3 컨볼루션 레이어, 상기 제4 특성 배열의 크기를 축소시켜 제5 특성 배열을 출력하는 제2 풀링 레이어, 상기 제5 특성 배열을 1차원 특성 배열로 변환하는 플레트닝(flattening) 레이어 및 상기 1차원 특성 배열을 연산하는 풀 커넥션 레이어들로 구성된 싱글 모달 합성곱 신경망인 추가정 위치 결정 장치
|
| 14 |
14
제12항에 있어서상기 추가정 위치 결정용 신경망은,정적 속성 데이터를 입력받는 제1 싱글 모달 합성곱 신경망, 상기 제1 싱글 모달 합성곱 신경망과 서로 다른 정적 속성 데이터를 입력받는 제2 싱글 모달 합성곱 신경망, 동적 속성 데이터를 입력받는 제3 싱글 모달 합성곱 신경망, 상기 제3 싱글 모달 합성곱 신경망과 서로 다른 동적 속성 데이터를 입력받는 제4 싱글 모달 합성곱 신경망, 싱글 모달 합성곱 신경망들 각각이 추출한 특징들을 연결시키는 연결(concatenate) 레이어, 및 상기 연결 레이어의 출력을 연산하는 풀 커넥션 레이어들로 구성된 쿼드 모달 합성곱 신경망인 추가정 위치 결정 장치
|
| 15 |
15
임의의 위치에 저류층 시뮬레이션을 수행하여 학습 데이터를 수집하고, 합성곱 신경망이 사용된 신경망을 구축하며, 상기 학습 데이터를 이용하여 상기 신경망을 학습하고, 상기 신경망을 이용하여 추가정의 후보 위치별 오일 생산량을 예측하며, 상기 후보 위치별 오일 생산량 및 저류층 시뮬레이션을 수행한 결과 간의 상대 오차가 임계값 이하인 경우, 상기 신경망을 추가정 위치 결정용 신경망으로 결정하는 프로세서를 포함하는 추가정 위치 결정용 신경망 학습 장치
|
| 16 |
16
제15항에 있어서,상기 프로세서는,상기 학습 데이터에 포함된 검증 세트를 이용하여 상기 신경망의 성능이 기준 성능을 초과하는지 여부를 확인하고, 상기 신경망의 성능이 기준 성능을 초과하는 경우, 상기 학습 데이터에 포함된 테스트 세트를 이용하여 상기 신경망의 성능을 검증하며,상기 신경망의 성능이 기준 성능 이하이거나, 검증에 실패하는 경우, 상기 학습 데이터에 포함된 학습 세트를 이용하여 상기 신경망을 학습하는 추가정 위치 결정용 신경망 학습 장치
|
