KCI우수등재
머신러닝을 이용한 이미지로그의 압축파쇄대 깊이 검출모델 개발 = Detection of Borehole Breakout Depth in Image Logs Using Machine Learning Algorithms
This study developed a classification model for the detection of borehole breakout depths in image logs using machine learning algorithms. Approximately 1 km of image log data acquired in Gyeongju was preprocessed to make it suitable for applying machine learning algorithms. This included removing missing values and data within casing intervals and aligning the resolution among image log data — that is, vertical and horizontal resolutions were set at 0.01 m and 2.5°, respectively. Decision tree-based algorithms, random forest, and XGBoost were then applied to the preprocessed 99,090 data entries, which was divided into training (80%) and testing (20%) groups. The trained models were evaluated based on the false negative (FN) of the confusion matrix. The XGBoost model showed a superior predictive performance with 87 FNs when compared to the random forest model’s 162 FNs.
The developed model can enable experts to perform detailed reviews of detected depths via the model.
본 연구는 머신러닝을 이용해 이미지로그의 압축파쇄대 깊이를 검출하는 분류모델을 개발하여 전문가 분석효율을 높이는 것이 목적이다. 경주지역 내 시추공에서 취득된 약 1 km 이미지로그에 대해 케이싱 구간 및 결측치를 제거하고 이미지로그 자료간 해상도(수직 및 수평 해상도가 각각 0.01 m와 2.5°)를 일치시키는 전처리과정을 수행하였다. 이를 통해 얻어진 총 99,090개 자료를 8:2 비율로 학습과 테스트 자료로 설정한 후, 의사결정나무 기반의 랜덤포레스트와 XGBoost를 적용하였다. 모델평가는 테스트자료에 대한 혼동행렬의 false negative(FN)를 통해 이뤄졌으며, XGBoost 모델은 FN이 87개로 랜덤포레스트 모델의 FN 162개에 비해 향상된 예측성능을 보였다. 이렇게 개발된 모델은 전문가의 압축파쇄대 상세 검출을 도와 분석 효율성을 제고할 수 있을 것으로 기대된다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)