Data-Augmented Deep Learning for Downhole Depth Sensing and Field Validation

Created by

Haebom

저자

Siyu Xiao, Xindi Zhao, Tianhao Mao, Yiwei Wang, Yuqiao Chen, Hongyun Zhang, Jian Wang, Junjie Wang, Shuang Liu, Tupei Chen, Yang Liu

💡 개요

본 논문은 유정 작업에 필수적인 심부 깊이 측정을 위한 데이터 증강 기반 딥러닝 모델을 제시합니다. 심부 깊이 측정을 위한 핵심 요소인 케이싱 칼라 로케이터(CCL) 신호 인식을 위해 데이터 증강 기법을 제안하고, 이를 통해 모델의 성능을 향상시켰습니다. 실제 유정 데이터에서 모델의 성능을 검증하여 실제 적용 가능성을 입증했습니다.

🔑 시사점 및 한계

•

표준화, 라벨 분포 평활화(LDS), 무작위 자르기는 모델 훈련에 필수적인 요소이며, 라벨 평활화 정규화(LSR), 시간 스케일링, 다중 샘플링은 모델 일반화 성능을 향상시킵니다.

•

제시된 데이터 증강 기법을 통해 두 개의 벤치마크 모델의 F1 점수를 최대 1.0으로 향상시켰습니다.

•

제한된 CCL 데이터 환경에서 케이싱 칼라 인식 모델 훈련을 위한 데이터 증강 방법론을 제안했지만, 다른 종류의 시추 데이터에 대한 일반화 성능 검증과 관련된 추가 연구가 필요합니다.

PDF 보기

Made with Slashpage