드론영상과 인공지능 기반 교통량 추정을 위한 데이터 구축 가이드라인 도출 연구

한동권,김두표,김성보 한국측량학회 2022 한국측량학회지 Vol.40 No.3

최근 CCTV (Closed Circuit TeleVision)나 드론영상을 활용하여 인공지능 기반 예측 모델을 통해 차량을 분류하는 객체인식이나 교통량 분석을 하는 많은 연구들이 수행되고 있다. 정확한 교통량 추정을 위한 객체인식 딥러닝 모델을 개발하기 위해서는 체계적인 데이터 구축이 요구되는데 이와 관련된 표준화된 가이드라인은 미흡한 실정이다. 본 연구에서는 드론영상을 활용한 인공지능 기반 교통량 추정 학습데이터 구축 가이드라인 도출을 위하여 선행연구를 분석하고 사업보고서나 기존 인공지능 학습용 데이터 구축 및 품질관리 가이드라인을 참고하였다. 데이터 구축 가이드라인은 크게 데이터 획득, 가공, 검증으로 분류되며, 항목 별 유의사항 및 평가지표 가이드라인을 제시하였다. 본 연구의 결과물인 데이터 구축 가이드라인은 드론 영상 인공지능 기반 도로교통량 추정 분석을 하는데 강건하고 일반화된 인공지능 모델 개발에 도움을 제공하고자 한다. Recently, many studies have been conducted to analyze traffic or object recognition that classifies vehicles through artificial intelligence-based prediction models using CCTV (Closed Circuit TeleVision)or drone images. In order to develop an object recognition deep learning model for accurate traffic estimation, systematic data construction is required, and related standardized guidelines are insufficient. In this study, previous studies were analyzed to derive guidelines for establishing artificial intelligence-based training data for traffic estimation using drone images, and business reports or training data for artificial intelligence and quality management guidelines were referenced. The guidelines for data construction are divided into data acquisition, preprocessing, and validation, and guidelines for notice and evaluation index for each item are presented. The guidelines for data construction aims to provide assistance in the development of a robust and generalized artificial intelligence model in analyzing the estimation of road traffic based on drone image artificial intelligence.

오일 생산정에서 쵸크사이즈와 가스주입량에 따른 생산성 예측 인공신경망 모델 개발

한동권,권순일 한국가스학회 2018 한국가스학회지 Vol.22 No.6

본 연구에서는 초크크기와 가스주입량을 조절함으로써 일반 유정이나 가스리프트가 적용된 유정에서 최적생산량을 산출할 수 있는 두 가지 인공신경망 모델을 개발하였다. 개발된 모델들의 입력자료는 용해가스-오일비, 물 생산 비율, 저류층압력, 초크크기 또는 가스주입량이고 출력자료는 정두압력과 오일 생산량으로 구성하였다. 먼저 육상 유정 시스템에 대하여 입력자료의 민감도 분석을 통해 각 변수의 범위를 결정하였고, 노달분석을 수행하여 초크크기 선정 모델에 1,715개, 가스주입량 선정 모델에 1,225개의 훈련자료를 각각 생성하였다. 동일한 저류층 자료에 대해 노달분석과 인공신경망 모델 결과를 비교해보면 두 모델 모두 결정계수 값이 0.99이상으로 상관관계가 매우 높은 것으로 확인되었다. 또한 초크크기 선정 모델의 정두압력과 오일 생산량의 평균절대백분율오차는 각각 0.55%, 1.05%이고, 가스주입량 선정 모델의 정두압력과 오일 생산량의 평균절대백분율오차는 각각 1.23%, 2.67%로 개발된 모델의 정확도가 높은 것으로 확인되었다.

시추효율매개변수를 이용한 굴진율 예측 지도학습 모델 비교 연구

한동권,성유정,양윤정,권순일 한국정보통신학회 2021 한국정보통신학회논문지 Vol.25 No.8

Rate of penetration(ROP) is one of the important variables for maximizing the drilling performance. In order to maximize drilling efficiency, it is necessary to increase the drilling speed, and real-time ROP prediction is important so that the driller can identify problems during drilling. The ROP has a high correlation with the drillstring rotational speed, weight on bit, and flow rate. In this paper, the ROP was predicted using a data-driven supervised learning model trained from the drilling efficiency parameters. As a result of comparison through the performance evaluation metrics of the regression model, the root mean square error(RMSE) of the RF model was 4.20 and the mean absolute percentage error(MAPE) was 9.08%, confirming the best predictive performance. The proposed method can be used as a base model for ROP prediction when constructing a real-time drilling operation guide system. 굴진율은 시추작업에서 효율성을 극대화하기 위한 중요한 변수 중 하나이다. 시추효율을 극대화하기 위해서는 시추속도를 향상시키는 것이 필요한데 시추 엔지니어에게 시추 중 문제를 확인할 수 있는 실시간 굴진율 예측이 중요하다. 굴진율은 시추스트링 회전속도, 비트하중, 시추이수 유량과 높은 상관성을 가지고 있다. 이 논문에서는 시추효율매개변수 자료를 통해 학습한 데이터기반 지도학습 모델을 이용하여 굴진율을 예측하였다. 회귀모델의 성능 평가지표를 통해 비교한 결과 RF 모델의 RMSE가 4.20, MAPE는 9.08%로 예측성능이 가장 우수한 것으로 확인되었다. 제안한 방법은 실시간 시추운전가이드 시스템 구축 시 굴진율 예측 기반 모델로 활용될 수 있다.

순환신경망을 이용한 실시간 시추매개변수 예측 연구

한동권(Dong-kwon Han),서형준(Hyeong-jun Seo),김민수(Min-soo Kim),권순일(Sun-il Kwon) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.1

실시간 시추매개변수 예측은 시추효율의 극대화 관점에서 상당히 중요한 연구이다. 시추 극대화 방법 중 시추속도를 향상시키는 방법이 일반적인데 이는 굴진율, 시추스트링 회전속도, 비트 하중, 시추이수 유량과 연관관계를 지니고 있다. 본 연구는 실시간 시추매개변수 중 하나인 굴진율을 순환신경망기반 딥러닝 모델을 이용하여 예측하는 방법을 제안하였으며 기존의 물리적 기반의 굴진율 모델과 딥러닝 모델을 이용한 예측 모델을 비교해 보고자 한다. Real-time drilling parameters prediction is a considerably important study from the viewpoint of maximizing drilling efficiency. Among the methods of maximizing drilling, the method of improving the drilling speed is common, which is related to the rate of penetration, drill string rotational speed, weight on bit, and drilling mud flow rate. This study proposes a method of predicting the drilling rate, one of the real-time drilling parameters, using a recurrent neural network-based deep learning model, and compares the existing physical-based drilling rate prediction model with a prediction model using deep learning.

천이유동 셰일가스정에서 머신러닝을 활용한 생산성 예측 연구

한동권(Dongkwon, Han),정지헌(Jihun, Jung),김상호(Sangho, Kim),박세영(Seyoung, Park),권순일(Sunil, Kwon) 한국가스학회 2018 한국가스학회 학술대회논문집 Vol.2018 No.11

셰일가스정 천이유동 생산자료분석의 기술적 고려사항

한동권(Dong-kwon Han),권순일(Sun-il Kwon) 한국가스학회 2016 한국가스학회지 Vol.20 No.1

본 연구에서는 다단계 수압파쇄와 수평시추가 적용된 셰일가스정에서 생산자료의 유동형태에 따라 적절한 분석 방법과 궁극가채량을 산출하는 기법을 결정하는 방법을 정리한 흐름도를 제안하였다. 또한 1차 천이유동만이 나타나는 현장자료에 대해 생산천이유동 분석을 수행할 때 고려해야 하는 사항들을 제안하였다. log-log 그래프와 시간 제곱근 그래프 분석을 통해 생산자료의 유동 특성을 분류할 수 있고, 이 결과, 1차 천이유동만이 나타나는 생산자료는 이 유동이 종료되는 시점을 정확히 예측하여 이 시점을 기준으로 생산성을 각각 예측하여야 한다. 이 시점은 미세탄성파 탐사자료 해석을 통해 균열자극부피의 면적을 계산함으로써 산출할 수 있다. 공저압력자료나 미세탄성파 탐사자료가 없다면 셰일가스정에 적절한 경험적 방법을 활용하여 생산성을 예측할 수 있다. 생산기간이 짧은 자료는 상대적으로 생산기간이 긴 인접 생산정의 자료를 활용하여 생산기간의 적절성을 평가한 후 필요하다면 생산초기 자료를 제외하고 분석하는 것이 정확도를 향상시킬 수 있다. 또한 미세탄성파 탐사자료 해석에 의해 산출된 SRV는 분석방법이나 분석자의 주관에 의해 과대, 과소 평가될 수 있기 때문에 파쇄 단계, 파쇄유체 주입량, 생산성 분석을 통한 적절성 평가를 수행하여 필요한 경우, 저류층 시뮬레이션, 균열모델링, 생산천이분석을 통해 재산정하는 것이 필요하다. This paper presents development of an appropriate procedure and flow chart to analyze shale gas production data obtained from a multi-fractured horizontal well according to flow characteristics in order to calculate an estimated ultimate recovery. Also, the technical considerations were proposed when a rate transient analysis was performed with field production data occurred to only 1st transient flow. If production data show the 1st transient flow from log-log and square root time plot analysis, production forecasting must be performed by applying different method as before and after of the end of 1st linear flow. It is estimated by an area of stimulated reservoir volume which can be calculated from analysis results of micro-seismic data. If there are no bottomhole pressure data or micro-seismic data, an empirical decline curve method can be used to forecast production performance. If production period is relatively short, an accuracy of production data analysis could be improved by analyzing except the early production data, if it is necessary, after evaluating appropriation with near well data. Also, because over- or under-estimation for stimulated reservoir volume could take place according to analysis method or analyzer’s own mind, it is necessary to recalculate it with fracture modeling, reservoir simulation and rate transient analysis, if it is necessary, after adequacy evaluation for fracture stage, injection volume of fracture fluid and productivity of producers.

군집 별 표준곡선 매개변수를 이용한 치밀오일 생산성 예측 순환신경망 모델

한동권(Dong-kwon Han),김민수(Min-soo Kim),권순일(Sun-il Kwon) 한국정보통신학회 2021 한국정보통신학회 종합학술대회 논문집 Vol.25 No.2

치밀오일 미래 생산성 예측은 잔류오일 회수량 및 저류층 거동 분석을 위해 중요한 작업이다. 일반적으로 석유공학적 관점에서 감퇴곡선법을 이용하여 생산성 예측이 이루어지는데, 최근에는 데이터기반의 머신러닝 기법을 이용한 연구도 수행되고 있다. 본 연구에서는 딥러닝 기반 순환신경망과 LSTM, GRU 알고리즘을 이용하여 미래 생산량 예측을 위한 효과적인 모델을 제안하고자 한다. 입력변수로는 치밀오일 생산 시 산출되는 오일, 가스, 물과 이와 더불어 다양한 군집분석을 통해 산출된 표준곡선이 주요 매개변수이고, 출력변수는 월별 오일 생산량이다. 기존의 경험적 모델인 감퇴곡선법과 순환신경망 모델들을 비교하였으며, 모델의 예측성능을 향상시키기 위해 하이퍼파라미터 튜닝을 통해 최적 모델을 도출하였다. Predicting future productivity of tight oil is an important task for analyzing residual oil recovery and reservoir behavior. In general, productivity prediction is made using the decline curve analysis(DCA). In this study, we intend to propose an effective model for predicting future production using deep learning-based recurrent neural networks(RNN). LSTM, and GRU algorithms. As input variables, the main parameters are oil, gas, water, which are calculated during the production of tight oil, and the type curve calculated through various cluster analyzes. the output variable is the monthly oil production. Existing empirical models, the DCA and RNN models, were compared, and an optimal model was derived through hyperparameter tuning to improve the predictive performance of the model.

딥러닝 기반 시추장비 이상 예측 및 진단 모델 개발 연구

한동권 ( Dong-kwon Han ),김민수 ( Min-soo Kim ),권순일 ( Sun-il Kwon ),최정호 ( Jung-ho Choi ) 한국정보처리학회 2021 한국정보처리학회 학술대회논문집 Vol.28 No.1

석유개발 현장에서 시추장비의 고장으로 인한 장비교체 및 시추시간 증가는 막대한 비용소모를 발생시킨다. 본 논문은 딥러닝 기반의 시추장비 중 드릴비트의 동력을 구동시키는 디젤엔진의 고장 요소를 분류하고 이 요소에 따른 고장여부를 판별하는 딥러닝 기반의 이상 예측 및 진단 모델을 개발하였다. 또한 제안한 모델의 우수성을 확인하기 위해 로지스틱 회귀분석 분류모델과의 예측성능 비교분석도 수행하였다.

물리검층 학습데이터 기반 GBDT 알고리즘을 이용한 음파검층 자료 예측

한동권(Dongkwon, Han),김민수(Minsu, Kim),권순일(Sunil, Kwon) 한국가스학회 2022 한국가스학회 학술대회논문집 Vol.2022 No.5

인공신경망 시뮬레이터를 이용한 가스전 생산정 위치선정 연구

한동권(Dong-Kwon Han),강일오(Il-Oh Kang),권순일(Sun-Il Kwon) 한국가스학회 2013 한국가스학회지 Vol.17 No.2

본 연구에서는 가스전의 추가 생산정 위치선정을 위해 고속의 연산이 가능한 인공신경망을 이용하여 저류 전산시뮬레이터를 개발하였다. 입출력자료와 알고리즘을 설계하였으며, 개발한 시뮬레이터를 이용하여 가스전의 추가 생산정 위치선정을 위한 연구를 수행하였다. 입력값은 생산시간, 생산정간 상관관계, 추가 생산정 위치좌표, 생산성 잠재력, 함수적 연관관계, 저류층 압력으로 구성하였으며, 출력값은 생산량과 함께 공저압력을 동시에 사용하였다. 20가지의 생산정 위치 시나리오에 대해 학습을 수행한 결과, 생산량의 상관계수 값은 0.99, 공저압력은 0.98로 상관관계가 매우 높은 것으로 확인되어 인공신경망 시뮬레이터의 타당성이 검증되었다. 가스전에서 최대공급계약량 유지시점을 산출함으로써 생산정 위치에 따른 생산성을 분석하였다. 그 결과 시나리오 C-1이 최대공급계약량 유지기간이 가장 짧았으며, 시나리오 A-1이 가장 오랫동안 유지시킬 수 있는 것으로 산출되었다. 결론적으로, 시나리오 A가 생산성에 영향을 받는 인자를 포함한 시나리오 B, C보다 최대 21% 더 최대공급 계약량을 유지시킬 수 있는 것으로 확인되었다. 따라서 생산성에 영향을 미치는 요소를 종합적으로 고려하여 생산정의 위치를 선정해야 생산량을 극대화 할 수 있다. 본 인공신경망 시뮬레이터를 이용 시 생산기간동안 생산량과 공저압력 변화를 동시에 비교 분석하는 것이 가능하여 다양한 최적화 모델에 전위모델로 사용하는 것이 가능하다. This study presents development of the ANN simulator for well placement of infill drilling in gas fields. The input data of the ANN simulator includes the production time, well location, all inter well distances, boundary inter well distance, infill well position, productivity potential, functional links, reservoir pressure. The output data includes the bottomhole pressure in addition to the production rate. Thus, it is possible to calculate the productivity and bottomhole pressure during production period simultaneously, and it is expected that this model could replace conventional simulators. Training for the 20 well placement scenarios was conducted. As a result, it was found that accuracy of ANN simulator was high as the coefficient of correlation for production rate was 0.99 and the bottomhole pressure 0.98 respectively. From the resultes, the validity of the ANN simulator has been verified. The term, which could produce Maximum Daily Quantity (MDQ) at the gas field and the productivity according to the well location was analyzed. As a result, the MDQ could be maintained for a short time in scenario C-1, which has the three infill wells nearby aquifer boundary, and a long time in scenario A-1. In conclusion, it was found that scenario A maintained the MDQ up to 21% more than those of scenarios B and C which include parameters that might affect the productivity. Thus, the production rate can be maximized by selecting the location of production wells in comprehensive consideration of parameters that may af fect the productivity. Also, because the developed ANN simulator could calculate both production rate and bottomhole pressure, respectively, it could be used as the forward simulator in a various inverse model.