Development of machine learning-based TOC estimation model using well logging and sidewall core data for source rock evaluation in the Jeju Basin, South Sea of Korea

본 연구에서는 효율적인 근원암 평가를 위해 물리검층자료를 활용한 기계학습기반 총유기탄소량(total organic carbon, TOC) 추정모델을 개발하였다. 해당 모델은 코아시료가 없는 구간에서도 TOC를 연속적으로 추정할 수 있는 장점이 있다. 가용자료는 제주분지 O, J3, J5 시추공의 물리검층자료와 측벽코아 대상 TOC 분석결과이다. 먼저 물리검층-TOC간 자료쌍 매칭을 수행하였으며, 가용자료 수를 고려해 입력인자(밀도, 음파, 감마선 검층)를 선정하였다. 감마선검층은 시추공단위 표준정규화를 수행하였으며, 113개 자료를 훈련, 5개를 테스트 자료로 사용하였다. 랜덤포레스트와 극한경사부스팅의 성능을 비교한 결과, 극한경사 부스팅은 테스트자료 기준 결정계수(R²) 0.84, 평균절대오차 0.09 wt.%로, 랜덤포레스트의 R2(0.11)와 평균절대오차(0.19 wt.%) 대비 준수한 성능을 보였다. 개발된 모델을 O 시추공 내 코아가 부재한 구간에 적용한 결과, 1 wt.% 이상의 TOC 구간에서는 과소 평가되었다. 향후 자료증강 또는 암편시료를 활용해 높은 TOC 구간에 대한 성능개선연구가 필요하다.