인공신경망을 이용한 셰일가스 저류층의 수압파쇄액 선정 시스템 개발 :Development of Selection System for Fracking Fluid in Shale Gas Reservoir Using Artificial Neural Network

조민우

추천

검색

자료유형: 학위논문

저자정보: 조민우 (전남대학교, 전남대학교 일반대학원)

지도교수: 이정환

발행연도: 2016

저작권: 전남대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2016

인공신경망을 이용한 셰일가스 저류층의 수압파쇄액 선정 시스템 개발

조민우 에너지자원공 2016.01 학위논문

2014

셰일가스 저류층의 수압파쇄 설계를 위한 의사결정 시스템 개발

조민우 , 김영민 , 김창균 외 1명 한국가스학회 학술대회논문집 2014.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

전통적인 오일과 가스자원의 고갈과 에너지 수요의 증가에 따라 최근 셰일가스, 치밀가스 및 석탄층 메탄가스 등과 같은 비전통 에너지자원에 대한 관심이 증가하고 있다. 비전통 저류층은 공극률과 투과도가 매우 낮아 오일 및 가스의 생산이 매우 어렵기 때문에 이를 보완하기 위한 수압파쇄가 매우 중요하다. 셰일가스 저류층에서 가스 생산은 비전통 가스자원과 다른 특징을 보이기 때문에 유정완결법 및 수압파쇄액 선정이 어렵다. 따라서, 본 연구에서는 셰일가스 저류층의 유정완결과 수압파쇄액 선정을 위한 시스템 개발을 하고자 한다.
시스템 개발을 위해 북미 5대 셰일 지역인 안트림 셰일, 바넷 셰일, 혜이네스빌 셰일, 마르셀러스 셰일, 우드포드 셰일에 관해 문헌조사를 실시하였다. 문헌조사를 통해 얻어진 저류층 특성에 대한 현장 데이터베이스를 인공신경망의 입력 자료로 활용하여 유정완결의 경우 출력값으로 수직정과 수평정으로 구분하였다. 수압파쇄액 선정의 경우 저류층의 심도, 압력구배, 온도를 입력 자료로 활용하였다. 학습 알고리즘으로는 모델별로 가장 높은 정확도를 나타내는 베이지안 규칙화 알고리즘과 레벤버그-마쿼트 알고리즘을 사용하였다. 인공신경망의 은닉층의 수와 각 층의 뉴런 수를 선정하기 위해 시행착오법을 통해 최적의 정확도를 갖는 인공신경망을 구축하였다. 개발된 시스템의 타당성 검증을 위해 인공신경망 예측 정확도를 회귀분석 한 결과 상관계수가 0.99 이상으로 높은 정확도를 보임을 확인하였다. 개발된 시스템의 현장 적용성 평가를 위해 북미 지역의 현장 데이터를 이용하였으며, 평가 결과 시뮬레이션 예측값과 목표값이 잘 매칭됨을 확인하였다. 또한, 사용자 접근을 용이하게 하기 위해 그래픽 사용자 인터페이스(GUI)를 구축하였다. 본 연구에서 개발된 시스템은 셰일가스 저류층의 적절한 유정완결법 및 수압파쇄액 선정에 유용한 도구로 활용될 것으로 판단된다.

그림목차 ⅲ
표목차 ⅳ
국문초록 ⅴ
1. 서론 1
1.1 연구배경 및 목적 1
1.2 국내·외 연구사례 5
2. 이론적 배경 8
2.1 수압파쇄(Hydraulic Fracturing) 8
2.2 인공신경망(Atrificial Neural Network, ANN) 10
2.2.1 인공신경망 이론 10
2.2.2 퍼셉트론(Perceptron) 12
2.3 취성도(Brittleness Index, BI) 18
3. 유정완결 및 수압파쇄액 선정 시스템 개발 21
3.1 데이터베이스 구축 21
3.1.1 셰일가스 저류층 조사 21
3.1.2 데이터베이스 구축 27
3.2 인공신경망 설계 34
3.2.1 유정완결 모델 34
3.2.2 수압파쇄액 모델 38
3.3 그래픽 사용자 인터페이스(GUI) 구축 41
4. 개발 시스템의 타당성 검증 및 평가 44
4.1 시스템 타당성 검증 44
4.2 현장 적용성 평가 52
5. 결론 56
참고문헌 57
영문초록 62

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)