저류층 물성에 대한 정보가 부족하거나 동일한 필드내 시추된 다른 유정들의 생산이 저류층 전체에 영향을 미치는 중소형의 전통 유가스전에 대한 생산거동을 예측하는 장치에 있어서,예측대상유정을 비롯한 필드 내 시추된 모든 유정들의 생산자료를 입력받는 생산자료입력부;상기 생산자료입력부로부터 입력된 상기 생산자료를 기초로 상기 예측대상유정 및 상기 필드 전체의 생산감퇴곡선을 각각 선정하는 감퇴곡선선정부;상기 생산자료입력부로부터 입력된 상기 생산자료와 상기 감퇴곡선선정부로부터 선정된 상기 예측대상유정 및 상기 필드 전체의 생산감퇴곡선을 이용하여 순환신경망을 학습시키고 예측모델을 생성하는 순환신경망학습부; 및상기 순환신경망학습부에 의해 생성된 상기 예측모델을 이용하여 상기 예측대상유정에 대한 미래의 생산거동을 예측하는 생산거동예측부;를 포함하되,상기 순환신경망은, LSTM(Long Short-Term Memory) 순환신경망이며,상기 감퇴곡선선정부는, 상기 예측대상유정의 생산자료를 기반으로 상기 예측대상유정의 상기 생산감퇴곡선을 선정하는 제1 감퇴곡선선정모듈과, 상기 필드 내 시추된 모든 유정들의 생산자료를 기초로 총생산자료를 생성하며, 상기 총생산자료를 기반으로 상기 필드 전체의 상기 생산감퇴곡선을 선정하는 제2 감퇴곡선선정모듈을 구비하며,상기 생산자료는, 시간에 따른 생산량 데이터를 포함하며,상기 총생산자료는, 상기 필드 내 시추된 모든 유정들의 시간에 따른 생산량 데이터를 가공하여 형성되는 것을 특징으로 하는 순환신경망을 이용한 생산거동 예측 장치.

삭제

삭제

제1항에 있어서,상기 순환신경망학습부는, 상기 예측대상유정의 생산자료, 상기 예측대상유정의 생산감퇴곡선, 상기 필드 전체의 생산자료 및 상기 필드 전체의 생산감퇴곡선을 포함하는 학습데이터를 생성하는 학습데이터생성모듈과,상기 학습데이터를 이용하여 상기 순환신경망을 학습시키고 예측모델을 생성하는 예측모델생성모듈을 구비하는 것을 특징으로 하는 순환신경망을 이용한 생산거동 예측 장치.

삭제

저류층 물성에 대한 정보가 부족하거나 동일한 필드내 시추된 다른 유정들의 생산이 저류층 전체에 영향을 미치는 중소형의 전통 유가스전에 대한 생산거동을 예측하는 방법에 있어서,생산자료입력부를 통해 예측대상유정을 비롯한 필드 내 시추된 모든 유정들의 생산자료를 입력받는 생산자료입력단계;상기 생산자료입력부로부터 입력된 상기 생산자료를 기초로 감퇴곡선선정부가 상기 예측대상유정 및 상기 필드 전체의 생산감퇴곡선을 각각 선정하는 감퇴곡선선정단계;상기 생산자료입력부로부터 입력된 상기 생산자료와 상기 감퇴곡선선정부로부터 선정된 상기 예측대상유정 및 상기 필드 전체의 생산감퇴곡선을 이용하여 순환신경망학습부가 순환신경망을 학습시키고 예측모델을 생성하는 순환신경망학습단계; 및상기 순환신경망학습부에 의해 생성된 상기 예측모델을 이용하여 생산거동예측부가 상기 예측대상유정에 대한 미래의 생산거동을 예측하는 생산거동예측단계;를 포함하되,상기 순환신경망은, LSTM(Long Short-Term Memory) 순환신경망이며,상기 감퇴곡선선정단계는, 상기 예측대상유정의 생산자료를 기반으로 상기 예측대상유정의 상기 생산감퇴곡선을 선정하는 제1 감퇴곡선선정단계와, 상기 필드 내 시추된 모든 유정들의 생산자료를 기초로 총생산자료를 생성하며, 상기 총생산자료를 기반으로 상기 필드 전체의 상기 생산감퇴곡선을 선정하는 제2 감퇴곡선선정단계를 포함하며,상기 생산자료는, 시간에 따른 생산량 데이터를 포함하며,상기 총생산자료는, 상기 필드 내 시추된 모든 유정들의 시간에 따른 생산량 데이터를 가공하여 형성되는 것을 특징으로 하는 순환신경망을 이용한 생산거동 예측 방법.

삭제

삭제

제6항에 있어서,상기 순환신경망학습단계는, 상기 예측대상유정의 생산자료, 상기 예측대상유정의 생산감퇴곡선, 상기 필드 전체의 생산자료 및 상기 필드 전체의 생산감퇴곡선을 포함하는 학습데이터를 생성하는 학습데이터생성단계와,상기 학습데이터를 이용하여 상기 순환신경망을 학습시키고 예측모델을 생성하는 예측모델생성단계를 포함하는 것을 특징으로 하는 순환신경망을 이용한 생산거동 예측 방법.

삭제