딥러닝 알고리듬을 활용한 고해상도 물리검층 자료의 생성 연구
Generation of High-Resolution Well Log Data by Using a Deep-Learning Algorithm
- 주제(키워드) 물리검층 , 고해상도 , 딥러닝 , Volve 유전 , Logging , High resolution , Deep learning , Volve oilfield
- 주제(기타) 자원공학
- 설명문(URI) https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002890253
- 관리정보기술 faculty
- 등재 KCI등재
- 발행기관 한국자원공학회
- 발행년도 2022
- URI http://www.dcollection.net/handler/ewha/000000204852
- 본문언어 한국어
초록/요약
This study proposed a deep-learning-based approach that generates synthetic high-resolution log data from original-resolution log data for accurate reservoir characterization, where the resolution of the synthetic data is comparable to that of core data. The reliability of the proposed approach was tested with application to the Volve oil field in Norway using three deep-learning algorithms (i.e., deep neural network, convolutional neural network, and long short-term memory). These deep-learning algorithms were employed to generate high-resolution sonic log data from other log-type data. The overall performance of each algorithm was acceptable. In particular, the long short-term memory algorithm yields a coefficient of determination greater than 0.9 when the high-to-original-resolution ratios are two, five, and ten. We anticipate that the proposed model can be used to derive logging-based reservoir parameters with a resolution that is comparable to that of core-based reservoir parameters.
more초록/요약
이 연구는 정확도 높은 유·가스 저류층 특성화를 위하여 원시 물리검층 자료로부터 암석 코어자료와 부합하는 고해상도의 합성 물리검층 자료를 생성하는 딥러닝 기반 방법을 제안한다. 제안한 방법의 신뢰도는 노르웨이 Volve 유전을 대상으로 세 가지 유형의 딥러닝 알고리듬(심층신경망, 합성곱신경망, 장단기메모리)을 적용하여 평가하였다. 위 알고리듬들은 타 물리검층 자료로부터 음파 검층 자료를 고해상도로 추정하였다. 전반적으로 각 딥러닝 알고리듬의 성능이 우수하였다. 특히, 장단기메모리 알고리듬의 예측 성능은 원시해상도 대비 2배, 5배, 10배의 고해상도 자료를 생성한 경우에 대해 결정계수가 0.9 이상으로 우수하게 나타났다. 제안한 모델은 향후 코어 기반 저류층인자와 부합하는 물리검층 기반 저류층 인자의 도출에 활용할 수 있을 것으로 기대한다.
more