현재 기계 학습이 석유 및 가스 유정 생산량 예측에서 성능이 좋지 않은 이유는 기존 방법들이 과도하게 과거 생산량 데이터 특성에 의존하여 예측 결과가 새로운 추세 예측보다는 과거 정보의 재조합에 더 가깝기 때문입니다. 이러한 방법들은 유정의 개발 단계, 압력, 생산된 물 등 생산량에 영향을 미치는 다른 중요한 시계열 변수를 무시합니다. 이러한 문제를 해결하기 위해 연구에서는 압력, 물 생산량, 생산량 간의 상관 관계 대책을 제시하고, 시계열 어텐션 기반 동적 컨볼루션 신경망을 활용한 석유 및 가스 유정 생산량 예측 방법을 구축했습니다. 이 방법은 시계열 컨볼루션 신경망을 기초 모델로 하며, 다중 헤드 어텐션과 동적 컨볼루션 메커니즘을 도입하여 입력 특성 시퀀스 내 서로 다른 시간 단계 간의 장기 의존 관계를 포착하고, 각 시간 단계에 다른 가중치를 할당합니다. 동적 컨볼루션 모듈은 시계열 어텐션 모듈의 출력을 기반으로 동적으로 컨볼루션 커널 파라미터를 생성하여 다양한 생산 단계의 입력 특성에 적응합니다. 안위에 가스 생산 작업 구역의 다수 우물 실제 복합 사례 검증을 통해 시계열 어텐션 동적 컨볼루션 기반의 유정 생산량 예측 모델의 우수성을 입증했습니다. 연구 결과 제안된 모델이 무작위로 선택된 4개의 우물에 대해 더 나은 예측 성능을 보였습니다. 어텐션 가중치와 동적 컨볼루션 가중치 시각화 분석을 통해, 이 모델이 가스 유정의 초기 단계, 전이 단계, 쇠퇴 단계를 포함한 다양한 개발 단계에 따라 동적으로 컨볼루션 커널 가중치를 조정할 수 있음을 발견했습니다. 개발 단계의 압력, 물 생산량 및 생산량 관계를 결합하여 시계열 어텐션 동적 컨볼루션 신경망 모델은 구조와 파라미터를 자가 조정하여 석유 및 가스 유정 생산량의 정밀한 예측을 실현합니다.

석유 및 가스 유정 생산량 예측;시계열 컨볼루션 신경망;다중 헤드 어텐션;동적 컨볼루션;자가 적응