Acknowledgement
이 논문은 2022년도 정부(산업통상자원부)의 재원으로 해외자원개발협회의 지원(No. 2021060001, 데이터사이언스 기반 석유·가스 탐사 컨소시엄, 기여율 50%) 2022년도 교육부와 한국연구재단의 지원(No. 2020R1I1A1A01060571, 기여율 50%)을 받아 수행한 연구 과제입니다.
Proceedings of the Korean Institute of Information and Commucation Sciences Conference (한국정보통신학회:학술대회논문집)
- 2022.05a
- /
- Pages.484-487
- /
- 2022
Explanation of Influence Variables and Development of Tight Oil Productivity Prediction Model by Production Period using XAI Algorithm
XAI를 활용한 생산기간에 따른 치밀오일 생산성 예측 모델 개발 및 영향변수 설명
- Han, Dong-kwon (Dong-A University) ;
- An, Yu-bin (Dong-A University) ;
-
Kwon, Sun-il
(Dong-A University)
- Published : 2022.05.26
Abstract
This study suggests an XAI-based machine learning method to predict the productivity of tight oil reservoirs according to the production period. The XAI algorithm refers to interpretable artificial intelligence and provides the basis for the predicted result and the validity of the derivation process. In this study, we proposed a supervised learning model that predicts productivity in the early and late stages of production after performing data preprocessing based on field data. and then based on the model results, the factors affecting the productivity prediction model were analyzed using XAI.
이 연구에서는 생산기간에 따른 치밀오일 저류층의 미래 생산성을 예측하기 위해 XAI(eXplainable Artificial Intelligence) 기반의 머신러닝 모델을 제시하였다. XAI 알고리즘은 해석 가능한 인공지능을 뜻하며 예측한 최종 결과의 근거와 도출 과정의 타당성을 제공한다. 본 연구에서는 현장자료를 기반으로 데이터전처리를 수행한 후 생산 초기와 후기의 생산성을 예측하는 지도학습 모델을 제안하고, 모델의 결과를 바탕으로 XAI를 이용하여 생산성 예측 모델의 영향을 미치는 인자를 분석하였다.