머신 러닝을 이용한 이산화탄소 지중 저장 유망지역 층서 구분 연구

Title
머신 러닝을 이용한 이산화탄소 지중 저장 유망지역 층서 구분 연구
Alternative Title
Seismic Facies Classification of the Expected CO2 Storage Field using Machine Learning
Author(s)
문혜진; 전형구; 문성훈; 주형태; 이상훈; 김한준
KIOST Author(s)
Moon, Hyejin(문혜진)Moon, Seonghoon(문성훈)Jou, Hyeong Tae(주형태)Lee, Sang Hoon(이상훈)Kim, Han Joon(김한준)
Publication Year
2019-11-08
Abstract
지구 온난화 현상은 화석 연료의 사용 증가로 대기 중 온실 기체 농도 상승이 가장 큰 원인으로 지목되고 있다. 지구 온난화 현상을 완화시키기 위해 세계적으로 다양한 연구가 이루어지고 있으며 이산화탄소 포집 및 저장 (Carbon Capture and Storage, CCS) 기술도 그 중 하나이다. CCS는 이산화탄소를 포집하고 지층에 저장하는 방법으로 이산화탄소를 포집하는 기술, 적절한 지층에 저장하는 기술, 이산화탄소가 저장된 부지를 모니터링하는 기술이 연구의 핵심이다.
이산화탄소를 안정적으로 저장할 수 있는 지층을 선정하기 위해서는 탄성파 자료 처리 및 해석을 이용하는 것이 일반적이며 이 때 많은 양의 탄성파 자료를 해석하기 위해서는 많은 시간과 노력이 필요하다. 본 연구에서는 최근 활발하게 연구가 진행 중인 머신 러닝 기법을 이용하여 탄성파 자료 해석의 효율성을 살펴보고자 한다. 대상 지역의 탄성파 자료 중 일부를 해석하고 머신 러닝으로 학습시켜 전체 자료에 학습 결과를 적용하는 방법을 택했으며 적절한 인공 지능 신경망 구성을 위해 다양한 인공 지능 신경망을 구성하고 학습 결과를 비교해보았다. 머신 러닝을 이용한 결과 적은 양의 탄성파 자료 해석을 통해 전체 자료의 층서를 적절히 구별할 수 있으며, 탄성파 층서 해석 과정의 효율을 높일 수 있음을 보였다.
URI
https://sciwatch.kiost.ac.kr/handle/2020.kiost/21087
Bibliographic Citation
한국지구물리·물리탐사학회, 2019
Publisher
한국자원공학회/한국암반공학회/한국지구물리·물리탐사학회
Type
Conference
Language
Korean
Publisher
한국자원공학회/한국암반공학회/한국지구물리·물리탐사학회
Related Researcher
Research Interests

Seismic data processing,Seismic modeling,Machine learning,탄성파 자료처리,탄성파모델링,머신러닝

Files in This Item:
There are no files associated with this item.

qrcode

Items in ScienceWatch@KIOST are protected by copyright, with all rights reserved, unless otherwise indicated.

Browse