AI기술로 셰일가스 생산량 정밀예측한다

지질자원연 이경북 박사, 딥러닝 알고리즘 이용 셰일가스 미래 생산량 예측 신뢰도 높여

이경북 박사가 셰일가스 분야 연구 데이터를 검증하고 있다.[한국지질자원연구원 제공]

[헤럴드경제=구본혁 기자] 미국 MIT는 석유자원의 디지털 개발기술로의 전환기조에 따라 4차 산업혁명 시대의 ICT기술이 접목된 셰일자원 빅데이터를 활용한 비용절감기술이 셰일 2.0 시대를 열 것이라고 전망하고 있다. 이런 가운데 딥러닝 알고리즘을 이용해 셰일가스의 미래 생산량을 예측하는 연구결과가 국내 연구자에 의해 최초로 발표됐다.

한국지질자원연구원은 석유해저연구본부 이경북 박사가 ‘딥러닝 알고리즘을 이용한 셰일가스 미래 생산량 예측’이라는 제목의 연구결과를 국제학술지 ‘SPE 저널’에 게재했다고 16일 밝혔다.

그동안 셰일가스 미래 생산량 예측은 생산량이 점차 줄어드는 감퇴곡선기법(DCA)으로 수행해왔다. 하지만 이 방식은 전문가의 판단에 의해 예측결과가 달라질 수 있다는 것이 문제로 지적돼왔다.

이경북 박사 연구팀은 시계열 자료에 최적화된 딥러닝 알고리즘인 순환신경망(RNN)을 활용, DCA기술을 대체하는 기술개발을 목표로 하고 있다.

이전에도 단순한 인공신경망(ANN)을 이용한 연구는 제시돼왔지만, ANN의 경우 시계열 자료의 앞뒤 순서에 대한 정보를 활용할 수 없고 확장성이 매우 떨어져 현장에서 실질적인 활용이 어렵다. 또한 생산유정마다 개발시기와 생산기간이 다르고 예측에 활용한 입력정보와 예측을 위한 출력정보가 다르기에 주가예측과 같은 시계열 자료의 학습에 적합한 RNN알고리즘의 활용이 효과적이다.

연구팀은 이번 연구에서 북미지역 330개 유정의 셰일가스 생산량 정보를 활용해 연구결과를 검증하는 현장지향형 연구를 수행했다.

이경북 박사는 연구에 활용한 딥러닝 알고리즘(RNN)의 최적화를 위해 석유공학 도메인지식을 활용한 빅데이터 전처리와 핵심특징을 추출하여 예측 신뢰도를 확보했다.

특히 330개의 생산유정 중 RNN모델 학습에 방해가 될 수 있는 자료는 사전에 제외했다. 제외기준은 도메인지식을 활용해 생산지질층, 생산기법, 생산기간 등으로 설정했다.

과거 생산량정보 이외에도 생산유정을 일시적으로 닫는 운영조건을 핵심특징으로 선정해 과거 생산량정보와 함께 입력층에 활용했다. 생산량 자료만을 이용한 딥러닝 예측모델 대비 에러율을 약 37% 줄여 미래 생산량 예측 신뢰도를 획기적으로 개선했다.

학습된 RNN 모델은 초단위로 생산량을 예측할 수 있어 다량의 셰일 생산유정의 관리와 예측을 효과적으로 수행할 수 있는 장점이 있다. 특히 실시간으로 자료를 분석하고 진단하여 미래를 예측하는 기술로 확장될 수 있어 원격의료와 유사한 개념인 디지털오일필드(Digital Oil Field)의 핵심기술로 주목받고 있다.

이경북 박사는 “이번 연구는 친환경 자원인 셰일가스 분야에 딥러닝 알고리즘 기반의 ICT 기술을 접목한 에너지자원 분야의 새로운 융합연구 패러다임을 열었다는데 그 의의가 있다”며 “앞으로 셰일가스 뿐만이 아닌 다양한 친환경 에너지 자원에의 기술 적용을 통해 국내 에너지 자원 개발에 효과적으로 활용되도록 최선을 다하겠다”고 밝혔다.

Print Friendly