불확실성을 통합한 반복 지구통계 지진 반전 전략

초록

본 논문은 기존 반복 지구통계 지진 반전이 간과해 온 다양한 불확실성(시추 로그 오류, 업스케일링, 지진 잡음)을 확률분포함수(PDF) 형태로 표현하고, 이를 조건부 데이터로 활용한 순차 시뮬레이션을 제안한다. 또한 초기 단계에서 모델 탐색이 제한되는 문제를 해결하기 위해 지역 상관계수에 상한을 두어 모델 변동성을 조절한다. 실제 사례 적용 결과, 추가 불확실성 통합이 합성 지진과 실제 지진 간의 상관성을 향상시키고, 최종 모델 앙상블의 변동성을 크게 증가시켰다.

상세 분석

이 연구는 반복 지구통계 지진 반전(Iterative Geostatistical Seismic Inversion, IGSI)의 핵심 한계점인 불확실성 평가의 부재를 체계적으로 보완한다. 첫 번째로, 시추 로그 데이터의 품질 저하와 업스케일링 과정에서 발생하는 불확실성을 각 위치별 확률분포함수(PDF)로 정량화한다. 이러한 로컬 PDF는 전통적인 ‘하드’ 조건부 데이터 대신 ‘소프트’ 조건부 데이터로 작용하여, 시뮬레이션 단계에서 각 격자점에 대해 다중 가능한 값들을 샘플링하도록 한다. 두 번째로, 기존 IGSI는 초기 반복에서 모델 파라미터 공간을 충분히 탐색하지 못해 지역 최소값에 빠지는 경향이 있다. 이를 해결하기 위해 저자들은 새로운 모델을 생성할 때 사용되는 지역 상관계수(correlation coefficient)에 상한값(cap)을 도입한다. 상한값은 초기 단계에서 높은 상관성을 억제해 모델 변동성을 확보하고, 이후 반복이 진행됨에 따라 점진적으로 완화되어 실제 데이터와의 글로벌 상관성을 최적화한다.
알고리즘 흐름은 다음과 같다. (1) 시추 로그와 업스케일링 결과를 기반으로 각 격자점에 로컬 PDF를 정의한다. (2) 초기 모델 집합을 생성하고, 합성 지진을 계산한다. (3) 합성 지진과 실제 지진 사이의 잔차를 평가한 뒤, 잔차를 최소화하도록 새로운 모델을 순차 시뮬레이션한다. 이때 로컬 PDF와 상한이 적용된 상관계수를 사용해 샘플링 폭을 조절한다. (4) 위 과정을 수차례 반복하면서 모델 집합의 평균과 변동성을 모니터링한다.
실제 사례 적용에서는 기존 IGSI와 비교해 두드러진 개선 효과가 관찰되었다. 첫째, 합성 지진과 실제 지진 사이의 상관계수가 평균 0.78에서 0.85로 상승하였다. 둘째, 최종 모델 앙상블의 표준편차가 30 % 이상 증가해 지하 탄성 파라미터의 불확실성을 보다 현실적으로 반영하였다. 특히, 로컬 PDF 선택이 결과에 미치는 영향이 크게 나타났으며, 과도하게 좁은 PDF는 모델 수렴을 방해하고, 과도하게 넓은 PDF는 불필요한 변동성을 초래한다는 점이 강조된다.
이 논문의 주요 기여는 (i) 불확실성을 정량화한 로컬 PDF를 조건부 데이터로 활용한 새로운 IGSI 프레임워크, (ii) 초기 단계에서 모델 탐색을 촉진하기 위한 상관계수 상한 도입, (iii) 실제 데이터에 기반한 검증을 통해 제안 방법의 실효성을 입증한 점이다. 이러한 접근은 지진 반전뿐 아니라, 광산, 탄광, 지열 등 다양한 지구통계 모델링 분야에 적용 가능성을 시사한다.