굴진율(rate of penetration ; ROP)을 예측하기 위한 굴진율 예측 시추운전가이드 모델을 수립하는 처리가 컴퓨터나 전용의 하드웨어에 의해 수행되도록 구성되는 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법에 있어서, 상기 처리는, 시추작업시 굴진율에 관련된 시추효율 매개변수에 대한 데이터를 수집하는 처리가 수행되는 시추효율 매개변수 데이터 취득단계; 상기 시추효율 매개변수 데이터 취득단계에서 취득된 각각의 상기 시추효율 매개변수에 대하여, 시추공 심도에 따른 굴진율과의 상관계수(correlation coefficient)를 산출하는 상관관계 분석 처리와, 랜덤 포레스트(Random Forest ; RF) 및 그레디언트 부스팅 트리(Gradient Boosting tree Method ; GBM)를 포함하는 머신러닝(Machine Learning) 지도학습 기법을 이용하여 굴진율 예측에 대한 각각의 상기 시추효율 매개변수의 영향도를 산출하는 중요도 분석 처리가 각각 수행되는 시추효율 매개변수 상관관계 및 중요도 분석단계; 상기 시추효율 매개변수 상관관계 및 중요도 분석단계의 상관관계 분석 및 중요도 분석 결과에 근거하여, 미리 정해진 기준에 따라 상관관계와 영향력이 큰 변수를 입력변수로 선정하고 굴진율을 출력변수로 하여 학습데이터를 생성하며, 생성된 상기 학습데이터를 이용하여 복수의 머신러닝 지도학습 모델을 통해 학습을 행하는 처리가 수행되는 굴진율 예측 시추운전가이드 모델 학습단계; 상기 굴진율 예측 시추운전가이드 모델 학습단계에서 학습된 각각의 머신러닝 지도학습 모델들의 학습결과를 비교하여 최적의 지도학습 모델을 선정하는 처리가 수행되는 굴진율 예측 시추운전가이드 모델 검증단계; 및 상기 굴진율 예측 시추운전가이드 모델 검증단계의 검증결과에 근거하여 시추공 심도에 따른 굴진율을 예측하는 처리가 수행되는 굴진율 예측단계를 포함하여 구성되는 것을 특징으로 하는 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법.

제 1항에 있어서, 상기 시추효율 매개변수는, 시추깊이를 나타내는 시추공 심도(Depth), 시추비트에 가해지는 힘의 양을 나타내는 비트하중(Weight On Bit ; WOB), 시추비트의 분당 회전속도를 나타내는 비트회전속도(Rate Penetration Minute ; RPM), 시추공내 유체와 시추비트의 마찰로 인해 손실되는 총압력을 나타내는 스탠드파이프압력(Stand Pipe Pressure ; SPP), 시추공내 압력과 하중을 유지하기 위한 유량을 의미하는 이수유량(Flow rate) 및 시추비트를 회전시키기 위해 엔진에 걸리는 부하를 나타내는 토크(Torque)를 포함하여 구성되는 것을 특징으로 하는 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법.

삭제

삭제

제 2항에 있어서, 상기 굴진율 예측 시추운전가이드 모델 학습단계는, 상기 입력변수로서 시추공 심도(Deph), 비트하중(WOB), 비트회전속도(RPM), 스탠드파이프압력(SPP), 부하토크(Torque) 및 이수유량(Flow rate)을 사용하고, 머신러닝 지도학습 모델로서 Modified Bourgoyne 0026# Young(MB 0026# Y), 서포트 벡터 머신 회귀(Support vector machine regression ; SVM), 랜덤 포레스트(RF) 및 그레디언트 부스팅 트리(GBM)를 이용하여 각각 학습을 행하는 처리가 수행되도록 구성되는 것을 특징으로 하는 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법.

제 5항에 있어서, 상기 굴진율 예측 시추운전가이드 모델 검증단계는, 상기 굴진율 예측 시추운전가이드 모델 학습단계에서 학습된 각각의 지도학습 모델의 학습결과에 따른 예측 결과와 실제 자료의 절대 백분율 오차를 비교한 결과에 근거하여 최적의 머신러닝 지도학습 모델을 선정하는 처리가 수행되도록 구성되는 것을 특징으로 하는 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법.

제 6항에 있어서, 상기 굴진율 예측단계는, 상기 굴진율 예측 시추운전가이드 모델 검증단계에서 선정된 최적의 머신러닝 지도학습 모델을 굴진율 예측 시추운전가이드 모델로 선정하고, 선정된 상기 굴진율 예측 시추운전가이드 모델을 이용하여 시추공 심도에 따른 굴진율을 실시간으로 예측하는 처리가 수행되도록 구성되는 것을 특징으로 하는 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법.

제 7항에 있어서, 상기 구축방법은, 시추공의 심도가 증가함에 따라 상기 굴진율 예측단계에서 선정된 상기 굴진율 예측 시추운전가이드 모델의 예측성능이 미리 정해진 기준에 미치지 못할 경우, 상기 시추효율 매개변수 데이터 취득단계, 상기 시추효율 매개변수 상관관계 및 중요도 분석단계, 상기 굴진율 예측 시추운전가이드 모델 학습단계, 상기 굴진율 예측 시추운전가이드 모델 검증단계 및 상기 굴진율 예측단계의 처리를 반복 수행하여 개발 시추공에 적합한 시추운전가이드 모델을 재학습하는 것에 의해 굴진율 예측성능을 향상시키는 처리가 수행되는 재학습단계를 더 포함하여 구성됨으로써, 항상 일정 수준 이상의 예측성능을 유지할 수 있도록 구성되는 것을 특징으로 하는 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법.

제 8항에 있어서, 상기 재학습단계는, 상기 시추효율 매개변수 데이터 취득단계를 통하여 획득되는 데이터의 변경이 없을 경우, 상기 굴진율 예측 시추운전가이드 모델 검증단계 및 상기 굴진율 예측단계의 처리가 반복 수행되도록 구성되는 것을 특징으로 하는 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법.

청구항 1항, 청구항 2항, 청구항 5항 내지 청구항 9항 중 어느 한 항에 기재된 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법을 컴퓨터나 전용의 하드웨어에 실행시키도록 구성된 프로그램이 기록된 컴퓨터에서 판독 가능한 기록매체.

시추공 심도에 따른 굴진율을 실시간으로 예측하여 제공하도록 구성되는 굴진율 예측시스템에 있어서, 시추작업시 굴진율에 관련된 시추효율 매개변수에 대한 데이터를 수집하는 처리가 수행되도록 이루어지는 모니터링부; 및 상기 모니터링부를 통해 수집된 데이터에 근거하여 시추공 심도에 따른 굴진율을 실시간으로 예측하여 제공하는 처리가 수행되도록 이루어지는 굴진율 예측부를 포함하여 구성되고, 상기 굴진율 예측부는, 청구항 1항, 청구항 2항, 청구항 5항 내지 청구항 9항 중 어느 한 항에 기재된 머신러닝을 이용한 굴진율 예측 시추운전가이드 모델 구축방법을 이용하여 시추공 심도에 따른 굴진율을 실시간으로 예측하고 제공하는 처리가 수행되도록 구성되는 것을 특징으로 하는 굴진율 예측시스템.