랜덤 포레스트 기반 분위수 회귀와 신뢰구간 보정을 통한 셰일저류층 궁극가채량 예측의 불확실성 정량화
Uncertainty Quantification of Estimated Ultimate Recovery Prediction in Shale Reservoirs Using Quantile Random Forest with Prediction Interval Calibration
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
이 연구에서는 Eagle Ford Shale 지역의 셰일 오일 생산정을 대상으로 랜덤 포레스트 분위수 회귀기반의 궁극가채량 예측 및 불확실성 정량화를 수행하였다. 랜덤 포레스트 분위수 회귀로부터 도출된 P90 및 P10 방식은 예측구간 포함확률(PICP)이 80%를 과도하게 초과하여 불확실성 분석에적합하지 않은 한계를 보였다. 이를 개선하기 위해 수정된 적합분위수 회귀법을 통한 신뢰구간 보정 기법을 적용하였다. 보정된 모델은 PICP 80%에 해당하는 보정된 P90 및 P10 값을 도출함으로써 예측 신뢰구간의 적정성을 확보하였다. 또한 중앙값 예측은 보정 전후 변화가 거의 없어 모델의구조적 안정성이 유지됨을 확인하였다. 제안된 방법은 셰일저류층 생산 예측의 불확실성 정량화에 대한 신뢰성과 실용성을 향상시킬 수 있는 효과적인 대안이 될 수 있다.
Abstract
This study uses quantile regression forest (QRF), which is based on random forest (RF), to estimate the estimated ultimate recovery of shale oil in the Eagle Ford Shale and quantify uncertainty. Conventional prediction intervals using the P90 and P10 quantiles from the RF quantile model yielded higher prediction interval coverage probability (PICP) than the target of 80%, leading to uncertainty overestimation. A calibration method based on modified conformalized quantile regression (CQR) was used for the prediction intervals to solve this problem. By generating adjusted P90 and P10 values, the calibrated model ensured a PICP of 80% and a more appropriate uncertainty representation. The median prediction remained nearly unchanged before and after calibration, confirming the structural stability of the model. The proposed method enhances the reliability and practical applicability of uncertainty quantification in forecasting production from shale reservoirs.