천연 균열성 셰일 가스정의 생산량 예측 정확도와 신뢰도를 향상시키기 위해, 개선된 갈매기 최적화 알고리즘(Improved Seagull Optimization Algorithm, ISOA)과 합성곱 신경망(Convolutional Neural Networks, CNN)을 결합한 셰일 가스정 생산량 예측 모델을 제안하였다. 우선, 개선된 갈매기 최적화 알고리즘과 합성곱 신경망을 융합하여 셰일 가스정의 최대 생산량과 쌍곡선 감소 매개변수를 예측하는 모델을 구축하였다. 둘째, 라틴 초입방 표본추출법을 적용하여 예측값과 선택된 감소 곡선 분석 모델을 결합하고, 이를 통해 천연 균열 셰일 가스정의 생산 동적 프로파일을 구축하였다. 마지막으로, 천연 균열 셰일 가스정의 생산량을 시뮬레이션하여 제안된 방법의 신뢰성을 검증하였다. 실험 결과, 다양한 생산 시간 규모(1, 5, 10, 15, 20년)에서 누적 생산량 예측 값과 시뮬레이션 값이 높은 일치도를 보였으며, 오차는 모두 15.6% 미만으로 나타나 본 방법이 셰일 가스정 생산량 예측에서 우수한 유효성과 신뢰성을 가지고 있음을 입증하였다. 본 모델은 쌍곡선 모델과 최대 생산량 및 감소 매개변수를 기반으로 하여 셰일 가스 생산량 프로파일을 정확히 예측할 수 있으며, 시뮬레이션 누적 생산량 값과 예측 누적 생산량 값이 잘 일치하여 평균 오차가 18.13%에서 16.03%로 감소하였다. 제안된 방법이 구축한 예측 모델은 장기간의 생산 이력 데이터 입력 없이도 정확한 예측이 가능해 생산 이력이 제한된 신규 개발 가스정 생산량 예측에 적합하다. 본 연구 결과는 셰일 가스정 생산량 예측 방법 연구에 강력한 이론적 및 실무적 지원을 제공하며, 우수한 응용 전망을 가진다.

갈매기 알고리즘;합성곱 신경망;셰일 가스;생산량 예측;균열 네트워크;정량적 특성화 모델;시뮬레이션;생산 동역학