신장 준가르 분지 북서부에 위치한 마후 유전은 전 세계에서 가장 큰 역암 유전 중 하나로, 매장량 규모가 10억 톤급에 달합니다. 그러나 유전 저장층의 물성은 열악하고 이질성이 강해 석유 및 가스 자원의 효율적인 개발에 큰 도전 과제를 안겨줍니다. 석유 및 가스 자원의 고효율 개발의 핵심은 산업 생산 가치가 있는 저장층, 즉 석유 및 가스 생산 능력이 높고 개발 비용이 낮은 구역을 정확히 식별하는 데 있습니다. 준가르 분지 마후 함몰지의 석유 및 가스 저장층 평가의 복잡성에 대응하여, 본 연구는 집성 알고리즘 기반의 석유 및 가스 저장층 가치 예측 모델인 OGRV (Oil and Gas Reservoir Value)를 제안하였습니다. 연구는 먼저 마후 함몰지의 지질 특성과 석유 및 가스 탐사 현황을 심층 분석하고, 이후 랜덤 포레스트(RF), 장단기 기억 네트워크(LSTM), 합성곱 신경망(CNN)을 융합한 집성 알고리즘을 구축하여 저장층 평가의 정확성과 일반화 능력을 향상시켰습니다. 구체적 실행 단계에서는 체계적인 전처리와 특징 공학을 통해 주요 특징 매개변수를 추출하고, 분야 전문가 지식을 결합하여 탄화수소 습윤비, 탄화수소 평형비, 탄화수소 특성비와 같은 증원 특징을 구축하였습니다. 또한 슬라이딩 윈도우 기술을 도입하여 깊이에 따른 특징 변화를 추적하였으며, 유사 정공의 분류 정보는 사전 지식으로 활용되어 모델 예측력을 강화하였습니다. 최종적으로 서로 다른 모델의 장점을 집성하여 정밀하고 견고한 저장층 평가 알고리즘을 구축하였고, 이는 마후 함몰지 내 산업 생산 가치가 있는 저장층을 효과적으로 식별할 수 있습니다. 테스트 세트에서 F1 점수, 정확도 및 AUC 값은 각각 0.8470, 0.7725 및 0.7810에 도달하였습니다. 연구는 또한 모델의 해석 가능성을 깊이 탐구하여 지질학자에게 모델의 의사 결정 메커니즘을 설명하고, 석유 및 가스 탐사 및 개발 분야에서 더 현명한 결정을 내릴 수 있도록 지원하고자 하였습니다.

저장층 예측; 마후 함몰지; 슬라이딩 윈도우; 집성 모델; 해석 가능성