[논문 리뷰] Predicting of shear wave velocity using Artificial Neural Networks

Franklin Adjei, Priscilla Afare외 1명|arXiv (Cornell University)|2020. 11. 07.

Seismic Imaging and Inversion Techniques참고 문헌 7인용 수 4

한 줄 요약

이 연구는 Tano North Field에서 직접 측정의 제한을 극복하기 위해 관련된 웰로그 데이터를 사용하여 전단파 속도(Vs)를 예측하기 위해 다변수 인공신경망(ANN) 모델을 제안한다. ANN은 다른 방법들보다 뛰어난 성능을 보이며, 가장 높은 R²와 가장 낮은 MAPE를 기록하여 지구역학적 및 암석학적 분석에서 Vs를 추정하는 데 있어 뛰어난 정확도를 입증한다.

ABSTRACT

Shear wave velocity is an important parameter for determining lithology, porosity and the dynamic properties in geo-mechanical studies. However, due to time and cost limitations, shear wave velocity is not available at all intervals and in all wells. In this paper, well logs with strong correlation to shear wave velocity were determined and used to predict the shear wave velocity for the Tano North Field. Four different methods were used to estimate the shear wave velocity under three different conditions. Then, based on obtained coefficient of determination and average absolute percent relative error between real and predicted values of shear wave velocity, the final results were compared. The results of this work demonstrated that the neural network based on multiple variables can estimate the shear wave velocity better than other methods used.

연구 동기 및 목표

• 지구역학적 연구에서 높은 비용과 시간 제약으로 인해 전단파 속도 데이터가 부족한 문제를 해결하기 위해.
• 예측 모델링을 위한 전단파 속도와 강하게 상관관계가 있는 웰로그를 식별하기 위해.
• 인공신경망을 포함한 여러 예측 방법을 개발하고 비교하기 위해.
• R²와 평균 절대 백분율 상대 오차(MAPE)를 기반으로 가장 정확한 방법을 평가하고 선별하기 위해.

제안 방법

• 전단파 속도와 강한 상관관계가 있는 웰로그, 예를 들어 압축파 속도, 밀도, 공극률 등을 식별하였다.
• 여러 입력 변수를 사용하여 Vs를 예측하기 위해 다층퍼셉트론 인공신경망을 훈련시켰다.
• 다양한 데이터 가용성과 입력 조합 조건에서 성능을 평가하기 위해 세 가지 다른 모델링 조건을 적용하였다.
• 예측된 Vs와 실제 Vs 값 간의 결정계수(R²)와 평균 절대 백분율 상대 오차(MAPE)를 사용하여 모델 성능을 평가하였다.
• 공정한 평가를 위해 동일한 조건에서 ANN 모델을 세 가지 다른 예측 방법과 비교하였다.
• 모델의 예측 능력을 검증하기 위해 Tano North Field의 데이터와 함께 30페이지의 결과 및 25幅의 그림을 활용하였다.

실험 결과

연구 질문

• RQ1 Tano North Field에서 관련 웰로그 데이터를 사용하여 인공신경망이 전단파 속도를 효과적으로 예측할 수 있는가?
• RQ2 R²와 MAPE 측면에서 다변수 ANN의 성능은 다른 예측 방법보다 어떻게 비교되는가?
• RQ3 어느 웰로그 입력 조합이 가장 정확한 전단파 속도 예측을 가능하게 하는가?
• RQ4 단일 변수 모델에 비해 다수의 지물리적 매개변수를 포함시키는 것이 예측 정확도를 향상시키는가?
• RQ5 정확한 Vs 추정을 위한 최적의 입력 변수 조합과 네트워크 아키텍처는 무엇인가?

주요 결과

• 다변수 인공신경망은 강력한 예측 정확도를 나타내는 가장 높은 결정계수(R²)를 기록하였다.
• ANN 모델은 다른 방법들보다 가장 낮은 평균 절대 백분율 상대 오차(MAPE)를 기록하여 뛰어난 정밀도를 입증하였다.
• 여러 상관관계가 있는 웰로그를 입력으로 사용할 경우 전단파 속도 예측 성능이 크게 향상되었다.
• 이 연구는 ANN 기반 모델링이 전통적인 회귀분석 및 단일 변수 접근 방식보다 Vs 추정에서 뛰어난 성능을 보임을 확인하였다.
• 최종 모델는 다양한 데이터 조건에서 뛰어난 성능을 보이며, 지구역학적 응용 분야에서 신뢰성 있는 결과를 제공함을 입증하였다.
• 결과는 데이터 부족 환경에서 Vs를 예측하기 위해 ANN을 신뢰할 수 있는 대안으로 활용할 수 있음을 뒷받침한다.