초심공-균열-단층 복합 매질 응축 가스저류층은 고도의 비균질성 유체 흐름 특성을 가지고 있으며 개발 과정에서 국부 압력 저하로 인해 균열 시스템에서 역응축 현상이 자주 발생하는 반면, 기질 압력 및 저류층 평균 압력은 여전히 이슬점 압력보다 높은 현상을 보인다. 이로 인해 기존 평균 압력 기반 저류층 공학 방법으로는 국부 역응축 발생 시점과 범위를 정확히 식별하기 어렵다. 이러한 문제를 해결하기 위해 본 논문은 타림 분지 북부 쿠차 함몰부의 보즈 응축 가스저류층을 연구 대상으로 하여, 공-균열-단층 삼중 매질의 유체 흐름 메커니즘 및 압력 반응 규칙을 체계적으로 분석하였다. 역사 유정 압력 변화 특성에 따라 생산 단계를 안정적 하강기, 불안정 변동기, 가속 쇠퇴기로 구분하였다. 가스-오일 비율(Gas-Oil Ratio, GOR)의 이상 변동은 상 변화 발생의 조기 경고 신호로, 각 단계별 서로 다른 압력 구간에서 GOR을 연구하면 복합 매질 가스저류층의 동적 진화 과정을 반영할 수 있다. 본 논문은 펠리컨 최적화 알고리즘(Pelican Optimization Algorithm, POA)을 기반으로 최적화된 장단기 기억 네트워크(Long Short-Term Memory Network, LSTM)와 시계열 합성곱 네트워크(Temporal Convolutional Network, TCN)를 결합한 예측 모델을 제안한다. POA 알고리즘을 통해 LSTM과 TCN의 하이퍼파라미터를 전역 최적화하고, 가중 융합 전략을 사용하여 POA-LSTM-TCN 결합 모델을 구축해 각 단계별 GOR에 대한 분단 적합 예측을 구현하였다. 결과는 최적화된 POA-LSTM과 POA-TCN 모델의 평균 절대 백분율 오차(MAPE)가 각각 3.71% 및 7.73%이며, POA-LSTM-TCN 결합 모델의 MAPE는 2.40%로 단일 모델 대비 각각 1.31% 및 5.33% 감소했음을 보여준다. 추가적으로 수치 시뮬레이션 결과와 결합한 검증에서 기존 평균 압력만을 활용한 전통적 저류층 공학 방법은 균열 내 역응축을 효과적으로 식별하지 못하는 반면, POA-LSTM-TCN 모델을 이용한 GOR 예측 기반 역응축 식별은 예측 정밀도와 계산 속도 측면에서 우수하며, 설정된 임계값을 초과하는 GOR 예측 편차를 통해 저류층 내 역응축 발생 여부를 판단할 수 있다. 따라서 본 연구는 국부 역응축 식별에 있어 기존 저류층 공학 방법의 한계를 보완하며, 초기 이상 탐지를 기반으로 한 조기 경고 방법을 제시하여 복합 가스저류층 생산 동태 분석, 역응축 메커니즘 인식 및 개발 계획 최적화에 중요한 이론적·공학적 가치를 가진다.

타림 분지; 보즈 저류층; 복합 매질; 응축 가스저류층; 가스-오일 비율; 역응축; 신경망