전통적인 유전 및 가스저장소 연구 방법은 일반적으로 각 전문 분야의 분업 협력을 기반으로 릴레이 방식으로 연구 및 개발이 진행됩니다. 그러나 이러한 방식은 각 단계 간의 효율적인 협업을 구현하기 어렵고 전체 효율성 최적화에 한계가 있습니다. 이 문제를 해결하기 위해 연구에서는 인공지능 알고리즘 적응, 데이터 전처리, 데이터 분석 응용 및 모델 자동 업데이트 예측의 네 가지 핵심 기술을 융합한 지능형 가스저장소 디지털 트윈 시스템을 제안하였으며, 다학제 협력, 효율적 데이터 활용 및 동적 최적화 예측을 통합한 종합 플랫폼 구축을 목표로 합니다. 연구 결과, 탐사 및 개발 과정에서 데이터의 다차원성, 이질성 및 고잡음 특성에 대응하기 위해 이상치 처리, 결측값 보완, 데이터 변환, 통계 분석 및 품질 평가를 통합한 데이터 전처리 방안을 통해 데이터의 정확성과 신뢰성을 확보하였으며; 랜덤 포레스트, 그래디언트 부스팅 등 인공지능 알고리즘을 패키지화하여 다중 파라미터와 가스저장소 생산능력 간 최적 회귀 모델을 구축할 수 있었고, 생산량 분석, 프래킹 분석 및 '스위트 스팟' 예측이라는 세 가지 핵심 문제를 중점적으로 해결하여 생산 예측 정확도를 향상시키고 프래킹 시공 파라미터를 최적화하며 '스위트 스팟' 영역을 효과적으로 식별하였습니다. 또한 자동 모델링 엔진을 도입하여 가스저장소의 구조 모델, 상 모델 및 속성 모델을 동적으로 업데이트하고 시뮬레이터 엔진과 결합하여 실시간 시뮬레이션, 추적 및 예측을 수행함으로써 개발 과정 내 모델 적응성과 정확성을 보장하였습니다. 디지털 트윈 기술을 활용하여 가상 공간에서 가스저장소 실체와 동일한 가상 모델을 구축함으로써 가스저장소 전체 생애주기 분석, 예측 및 최적화 관리를 실현하였습니다. 연구 성과는 지능화, 정밀화 및 고효율 방향으로 가스저장소 관리를 추진하는 데 강력한 이론적 지원과 기술적 보장을 제공합니다.

저장소; 탐사개발; 인공지능; 디지털 트윈; 통합 플랫폼