이산화탄소 지중저장을 위한 기계학습 기반 4-D 탄성파자료 통합 및 배사구조 채널대수층 특성화

초록

본 연구에서는 채널대수층의 이산화탄소 지중저장에서 4-D 탄성파자료를 통합해 불확실성을 정량화하고 신뢰도를 향상하기 위해 기계학습의 하나인 Pix2Pix 기반의 4-D 탄성파자료 통합기법을제안한다. 다점지구통계 기법으로 다양한 지질학적 시나리오를 따르는 2차원 채널대수층 모델을바탕으로 Pix2Pix을 학습시킨 후, 참조 채널대수층의 4-D 탄성파 변화를 입력하여 채널대수층 모델을 특성화한다. Pix2Pix을 구성하는 인공신경망 모델의 일부 연결을 끊는 (1) dropout을 이용하는방법과 (2) 인공신경망의 입력층에 랜덤 노이즈 맵을 추가하는 방법을 이용해 주어진 자료를 만족하며 지질학적 사실성을 보전하는 다양한 모델을 생성하고 이들로부터 불확실성을 정량화 한다. Pix2Pix을 이용해 생성된 채널대수층은 참조 모델의 채널 방향성과 암상분포의 예측을 개선하였고, 나아가 미래 이산화탄소 액적군의 이동을 정확하게 예측한다. 제안한 방법은 채널대수층에서이산화탄소 지중저장을 하는 경우 4-D 탄성파자료를 통합해 불확실성을 평가함으로 이산화탄소지중저장의 모니터링기술로 활용될 수 있다.

키워드