과제정보
이 논문은 2020년도 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구(No.2019-0-01561-002, 지구 공간정보 분석을 위한 인공지능 기술 개발 및 활용 연구) 및 2021년도 산업통상부의 재원으로 한국에너지기술평가원(KETEP)의 지원을 받아 수행한 연구 과제입니다(No. 20182510102500).
한국정보통신학회:학술대회논문집 (Proceedings of the Korean Institute of Information and Commucation Sciences Conference)
- 한국정보통신학회 2021년도 춘계학술대회
- /
- Pages.204-206
- /
- 2021
순환신경망을 이용한 실시간 시추매개변수 예측 연구
A Study on Real-time Drilling Parameters Prediction Using Recurrent Neural Network
- Han, Dong-kwon (Dong-A University) ;
- Seo, Hyeong-jun (University of Calgary) ;
- Kim, Min-soo (Dong-A University) ;
-
Kwon, Sun-il
(Dong-A University)
- 발행 : 2021.05.03
초록
실시간 시추매개변수 예측은 시추효율의 극대화 관점에서 상당히 중요한 연구이다. 시추 극대화 방법 중 시추속도를 향상시키는 방법이 일반적인데 이는 굴진율, 시추스트링 회전속도, 비트 하중, 시추이수 유량과 연관관계를 지니고 있다. 본 연구는 실시간 시추매개변수 중 하나인 굴진율을 순환신경망기반 딥러닝 모델을 이용하여 예측하는 방법을 제안하였으며 기존의 물리적 기반의 굴진율 모델과 딥러닝 모델을 이용한 예측 모델을 비교해 보고자 한다.
Real-time drilling parameters prediction is a considerably important study from the viewpoint of maximizing drilling efficiency. Among the methods of maximizing drilling, the method of improving the drilling speed is common, which is related to the rate of penetration, drillstring rotational speed, weight on bit, and drilling mud flow rate. This study proposes a method of predicting the drilling rate, one of the real-time drilling parameters, using a recurrent neural network-based deep learning model, and compares the existing physical-based drilling rate prediction model with a prediction model using deep learning.