비지도학습 기반 클러스터링 모델을 활용한 IBDP 미소지진 데이터의 지질특성 연계 분석
Unsupervised learning-based clustering analysis of IBDP microseismic data and associated geological features
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 Illinois Basin-Decatur Project (IBDP)에서 기록된 4,171건의 미소지진 데이터를 대상으로, 시공간 및 규모 특성에 기반한 분류를 위해 비지도학습 기반 K-평균 클러스터링 기법을 적용하였다. 입력 변수로는 경과시간, 공간 좌표(easting, northing, depth), 그리고 규모가 사용되었으며, 엘보우 기법을 통해 최적 군집 수를 5로 설정하였다. 각 군집은 발생 시기, 공간 분포, 규모 특성에서 뚜렷한 차이를 보였으며, 일부 군집은 주입정 인근에 집중된 반면, 다른 군집은 수 킬로미터 떨어진 지역에서도 발생하였다. 클러스터링 결과는 지질구조의 시공간적 거동을 정성적으로 이해하는 데 기여하며, 주입 종료 이후 발생하는 미소지진 해석의 기초자료로 활용될 수 있다. 제안된 분석 기법은 미소지진 데이터의 체계적 분류에 유용하며, 향후 이산화탄소 저장소의 지반 안정성 평가를 지원할 수 있을 것이다.
Abstract
This study applied an unsupervised K-means clustering algorithm to classify 4,171 microseismic events recorded during the Illinois Basin-Decatur Project (IBDP) based on their spatiotemporal and magnitude characteristics. The input features included elapsed time, spatial coordinates (easting, northing, and depth), and magnitude. The optimal number of clusters was determined to be five using the elbow method. Each cluster exhibited distinct patterns in terms of timing, spatial distribution, and seismic magnitude. While some clusters were concentrated near the injection well, others included events that occurred several kilometers away. The clustering results provide a qualitative understanding of the spatial and temporal behavior of the geological formation and serve as a basis for interpreting post-injection seismicity. The proposed approach offers a useful framework for analyzing microseismic data and supports future assessments of geomechanical stability in CO2 storage projects.