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.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.4
- 수록면
- 111 - 123 (13page)
이용수
초록· 키워드
오류제보하기
셰일가스 저류층에서의 복잡한 유동 메커니즘으로 불확실성이 존재하여 최근 기계학습을 활용한 생산량 예측을 수행하고 있으나, 생산관련인자를 효율적으로 수집하고 분석하는 데는 어려움이 있다. 이 연구에서는 특징 선택을 활용하여 서로 다른 기준의 생산성 영향인자를 파악하고, 이를 다양한 기계학습 알고리즘에 적용하여 Barnett Shale의 가스 생산량을 예측하였다. 이에 Filter 기법 기반의 총 주입유체량, 측정 깊이, 하부 천공 위치 등 생산성 영향인자를 random forest 모델에 적용할 경우 오차율을 개선할 수 있음을 확인하였다. 이와 더불어 Marcellus Shale에서 제안된 특징 선택 과정 및 기계학습 알고리즘의 확장 가능성을 파악하였으며, 이 연구를 통해 생산 정보 취득이 어려운 경우에도 제한된 변수를 활용하여 신뢰성 있는 생산량 예측이 가능할 것으로 사료된다.
목차
Abstract
요약
서론
특징 선택 및 기계학습 알고리즘 개요
생산성 영향인자를 활용한 셰일가스 생산량 예측
기계학습 알고리즘 별 셰일가스 생산량 예측결과
Marcellus Shale에서의 생산량 예측모델 적용성 검토
결론
References
참고문헌 (0)
참고문헌 신청이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-089664099