수평정 시추는 밀집 및 비전통적 유정 단일 생산량 향상을 위한 석유회사의 중요한 수단이 되었으나, 수평정의 우물경로와 지층과의 공간적 관계가 복잡하여 기존의 수직정 분석 방법이 효과적으로 적용될 수 없습니다. 수평정 우물경로와 목적 지층 및 주변암과의 공간적 조합 관계를 정확히 기술하는 것이 수평정 측정 해석의 최우선 과제입니다. 유도정(안내정)을 기반으로 지층 초기 모델을 구축하고 측정자료의 정진 연산을 통해 단계별로 모델을 조정하는 방법이 현재 주류이지만, 이 방법은 시기성이 낮고 동일 지역 내 다양한 우물에 반복적인 정진 연산이 많이 필요합니다. 따라서 수평정 측정자료 처리 및 해석에서 합리적인 우물-지층 모델 구축이 핵심입니다. 우물-지층 모델은 우물 위치와 지층 경계 간 거리, 우물 축과 지층 법선 방향 사이 각도 등 우물경로와 지층 경계 간 공간적 관계를 정확히 기술할 수 있습니다. 또한, 머신러닝과 인공지능 기술 기반 측정자료 분석법은 지능형 모델을 훈련하여 측정자료 해석의 모든 측면에 적용되고 있으며, 인공지능 기술을 통해 전통적 방법의 한계를 극복할 수 있을 것으로 기대됩니다. 따라서 다중 모델 앙상블과 심층 신경망 기반 자동 수평정 측정해석 방법을 제안합니다: 먼저 다양한 우물경로와 지층 조합 관계를 포함하는 이론 모델을 생성하여 측정 응답 샘플 라이브러리를 구축하고; 이후 극단적 그래디언트 부스팅 트리(XGBoost), 경량 그래디언트 부스팅 머신(LightGBM), 범주형 부스팅(CatBoost) 등 머신러닝 모델을 통합하여 다층 퍼셉트론(MLP)으로 각 모델 예측 결과를 융합하며; 마지막으로 실제 측정자료를 기반으로 우물경로 및 주변암 기하학적 관계를 지능적 자동 판별합니다. 사례 분석 결과 이 방법은 수평정 복잡한 측정 응답 특성을 정확히 포착하는 동시에 해석 속도와 정확도를 크게 향상시켜 유사 지질 환경 내 다중 우물의 빠른 분석 수요에 적응 가능하며, 수평정 측정 해석의 효율적 지능화 수단을 제공합니다.

수평정;측정해석;인공지능;심층학습;지층 모델링