인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
저탄소 에너지자원 수요증가에 따라 천연가스가 주목받으며, 주요 공급원인 셰일가스 생산량 예측을 위한 인공지능 기반의 기계학습 기법이 활발하게 연구되고 있다. 기존 연구들은 기계학습 알고리즘 결합 및 생산이력외 추가 입력자료 반영을 통해 예측성능을 개선하였으나, 각 생산정 별 상이한 생산거동 및 감퇴 경향으로 인한 자료의 불균형이 모델 학습에 미치는 부정적 영향에 대한 고려는 부족한 실정이다.
이 연구에서는 장단기기억 신경망 기반 셰일가스 생산량 예측모델의 자료 불균형으로 인한 학습성능 저하를 개선하기 위하여 K-평균 군집화 적용을 통해 생산특성이 유사한 군집 형성 후, 입력자료로 활용하고자 한다. 이를 위해 미국 Marcellus Shale의 현장자료를 바탕으로 K-평균 군집화를 적용하였으며 각 군집에 대해 개별적으로 장단기기억 신경망 모델 구축 후, 각 모델 간의 성능을 비교하였다. 그 결과, 군집화를 적용한 모델이 적용하지 않은 모델에 비하여 예측성능이 향상되었다. 이 연구는 생산정 별 상이한 특성으로 인한 자료 불균형 문제를 해결하기 위한 효과적인 전처리 방법론을 제시하며, 셰일가스 생산량 예측모델의 신뢰성을 높이는데 기여할 수 있을 것이다.
이 연구에서는 장단기기억 신경망 기반 셰일가스 생산량 예측모델의 자료 불균형으로 인한 학습성능 저하를 개선하기 위하여 K-평균 군집화 적용을 통해 생산특성이 유사한 군집 형성 후, 입력자료로 활용하고자 한다. 이를 위해 미국 Marcellus Shale의 현장자료를 바탕으로 K-평균 군집화를 적용하였으며 각 군집에 대해 개별적으로 장단기기억 신경망 모델 구축 후, 각 모델 간의 성능을 비교하였다. 그 결과, 군집화를 적용한 모델이 적용하지 않은 모델에 비하여 예측성능이 향상되었다. 이 연구는 생산정 별 상이한 특성으로 인한 자료 불균형 문제를 해결하기 위한 효과적인 전처리 방법론을 제시하며, 셰일가스 생산량 예측모델의 신뢰성을 높이는데 기여할 수 있을 것이다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094394442
