• 자원환경지질
• /
• 제50권3호
• /
• pp.225-238
• /
• 2017

본 연구에서는 스팀주입중력법 (Steam Assisted Gravity Drainage, SAGD)을 이용한 오일샌드 개발 시 적지 선정을 위한 대안적 척도가 제시되었다. 기존 SAGD 공법 적용 시 스팀주입효율이 우수한 지역을 선정하기 위해 비투멘이 함유될 가능성이 큰 고투수성 퇴적층의 누적 층후가 주로 이용되었다. 그러나 고투수성 퇴적층의 누적 층후 외에도 수직 평균거리 또한 스팀주입효율에 큰 영향을 미칠 것으로 판단하였다. 따라서 본 연구에서는 해당 두 가지 척도(즉, 누적 층후도 및 수직 평균거리)가 SAGD 스팀주입효율에 미치는 영향에 대한 비교 및 분석이 이루어졌다. 이를 위해, 구성 암상 간 특정 전이확률을 기반으로 발생시킨 누적 층후 및 수직 평균거리가 상이한 다양한 가상의 2차원 저류층에 대해 고온 고압 증기 주입 모사를 실시한 후 생성된 스팀챔버의 크기를 비교 및 분석하였다. 2차원 SAGD모사 결과, 투수성 퇴적층의 수직 평균두께가 두꺼운 지역이 누적 층후가 두꺼운 지역보다 더 넓은 범위의 스팀챔버를 형성하는 것을 확인하였다. 따라서 최적의 오일샌드 개발 입지 선정 시, 기존에 이용되고 있던 누적 층후뿐만 아니라 투수성 퇴적층의 수직 평균거리도 함께 고려하였을 때 더욱 적합한 SAGD공법의 최적 입지를 선정할 수 있을 것으로 판단된다.

• 자원환경지질
• /
• 제46권4호
• /
• pp.313-327
• /
• 2013

본 연구에서는 캐나다 아사바스카 지역의 맥머레이층에 대한 3차원 지구통계 모사를 실시하였으며 모사 결과를 바탕으로 심부지열회수방법을 통한 경제적 산출 가능 지역을 가늠하고자 하였다. 비투멘의 효율적인 생산을 위하여 SAGD 공법의 최적 입지를 선정하는데 있어 스팀챔버의 충분한 수직적 연장성을 확보하는 것은 중요한 사항이다. 연구지역에서 획득한 110개의 시추공 자료에 대하여 마르코프 전이 확률 기반의 분석을 실시하였으며 이를 바탕으로 맥머레이층 구성 암상에 대한 추계론적 예측을 실시하였다. 추계론적 모사를 통하여 획득한 다중재현을 기반으로 앙상블 확률 분포도를 제작하였으며 이는 각 암상이 분포 할 수 있는 포텐셜을 보여준다. 앙상블 확률 분포도를 이용하여 투수성 퇴적층(역질 퇴적층 및 사질 퇴적층)에 대한 누적 층후도를 구성하였으며 이를 바탕으로 SAGD 공법이 적용될 수 있는 최적 입지를 선정하였다. SAGD 최적 입지 선정을 위한 추가적인 분석을 실시하기 위하여 전이율을 바탕으로 한 단일 퇴적층의 평균적인 수직 및 수평적 연장성을 산정하였다. 투수성 퇴적층의 평균적인 수직적 연장성은 대체로 투수성 퇴적층에 대한 누적층후도 분포도와 유사한 분포 양상을 보이나 일부 누적 층후가 큰 위치에서 유사하지 않은 양상을 보인다. 이는 누적 층후도와 평균적인 수직적 연장성 분포 양상이 유사하지 않은 지역은 투수성 퇴적층과 다른 암상과의 교호성은 매우 크나 투수성 퇴적층의 수직적인 연장성은 좋지 않음을 의미한다. 따라서 누적층후도 뿐 만 아니라 투수성 퇴적층의 수직적 연장성 또한 충분히 고려하였을 때 건전한 SAGD 최적 입지를 선정하는데 충분히 신뢰성 있는 결론을 도출 할 것으로 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2008년도 학술발표회 논문집
• /
• pp.1027-1031
• /
• 2008

본 연구는 한반도 영역을 대상으로 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 RDAPS 모형, AWS, 상층기상관측(upper-air sounding)의 자료를 이용하였다. 또한 수치예보자료를 범주적 예측확률로 변환하고 인공신경망기법(ANN)을 이용하여 강수발생확률의 예측정확성을 향상시키는데 있다. 신경망의 예측인자로 사용된 대기변수는 500/ 750/ 1000hpa에서의 지위고도, 500-1000hpa에서의 층후(thickness), 500hpa에서의 X와 Y의 바람성분, 750hpa에서의 X와 Y의 바람성분, 표면풍속, 500/ 750hpa/ 표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도이며, 예측변수로는 강수발생확률로 선택하였다. 강우는 다양한 대기변수들의 비선형 조합으로 발생되기 때문에 예측인자와 예측변수 사이의 복잡한 비선형성을 고려하는데 유용한 인공신경망을 사용하였다. 신경망의 구조는 전방향 다층퍼셉트론으로 구성하였으며 역전파알고리즘을 학습방법으로 사용하였다. 강수예측성과의 질을 평가하기 위해서 $2{\times}2$ 분할표를 이용하여 Hit rate, Threat score, Probability of detection, Kuipers Skill Score를 사용하였으며, 신경망 학습후의 강수발생확률은 학습전의 강수발생확률에 비하여 한반도영역에서 평균적으로 Kuipers Skill Score가 0.2231에서 0.4293로 92.39% 상승하였다.

• 대한토목학회논문집
• /
• 제28권5B호
• /
• pp.485-493
• /
• 2008

한반도 영역을 대상으로 RDAPS모형의 수치예보자료, AWS의 관측강수, 상층기상관측(upper-air sounding)의 관측자료를 이용하여 권역별 강수발생확률을 예측할 수 있는 인공신경망 모형을 제시하였다. 사용된 자료의 기간은 2001년 7, 8월과 2002년 6월로 홍수기를 대상으로 하였다. 500/750/1000 hPa에서의 지위고도, 500-1000 hPa에서의 층후(thickness), 500 hPa에서의 X와 Y방향 바람성분, 750 hPa에서의 X와 Y방향 바람성분, 표면풍속, 500/750 hPa/표면에서의 온도, 평균해면기압, 3시간 누적 강수, AWS관측소에서 관측된 RDAPS모형 실행전의 6시간과 12시간동안의 누적강수, 가강수량, 상대습도등을 신경망의 예측인자로 사용하였다. 신경망의 구조는 3층 MLP(Multi Layer Perceptron)로 구성하여 역전파알고리즘(Back-propagation)을 학습방법으로 사용하였다. 신경망예측결과 한반도전체에 대한 예측성과의 개선은 H가 6.8%상승하였고, 특히 TS와 POD는 각각 99.2%와 148.1% 상승함으로서 강수예측에 대한 신경망모형이 효과적인 도구가 될 수 있음을 확인하였다. KSS 역시 92.8% 개선됨으로서 RDAPS 예측에 비하여 뚜렷이 개선된 결과를 보여주고 있다.