요약 앙상블 칼만 필터(EnKF)는 불확실성이 큰 저류층을 특성화하는 데 활용되어 왔다. 그러나 안정적이고 신뢰할 수 있는 결과를 얻기 위해서는 많은 수의 모델과 긴 시뮬레이션 시간이 필요하다. 따라서 저자들은 합성곱 오토인코더(CAE)와 주성분 분석(PCA)을 이용한 새로운 히스토리 매칭 기법을 제안한다. 우리의 방법은 먼저 채널 저류층 정보를 위한 CAE의 잠재 코드(latent codes)에 대해 PCA를 수행한다. 다음으로, 기준 모델(reference model)과 가장 유사한 거동을 제공하는 대표 모델 근처에서 전체 200개 모델 중 45개 모델을 선택한다. 이 과정은 EnKF에서의 계산 시간을 최소화할 뿐만 아니라, 전체 모델 또는 무작위로 선택된 45개 모델 대신 작지만 신뢰할 수 있는 모델을 사용함으로써 저류층 성능에 대한 예측 품질을 향상시킬 수 있다. 제안한 기법을 72×72 격자의 2차원 채널화된 현장에 적용한 결과, 시뮬레이션 시간을 절약하면서도 동화(assimilation) 결과가 명확히 개선됨을 확인할 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.