Halliburton使用Matlab和神经网络使石油勘探更安全

由于井孔的深度，表示成功爆炸爆炸性的信号通常很难听到，这可能是两到三英里。为了加强爆轰信号，Schultz设计了一种系统，其中连接到井头的加速度计（传感器）捕获并放大当穿孔枪脱落时向上行驶管的声应力波。

然而，他发现敏感的加速度计也捕获了来自井头周围的泵，发电机和其他设备的信号。Schultz需要开发一个过滤器，这些过滤器会将加速度计信号与这些环境声音引起的污染物分开。该过滤器需要纳入独立应用，该应用程序可以轻松使用在该领域。

来自机器的噪音通常是重复的，而炸药产生的信号往往是自然的冲动。在matlab中的工程^®，Schultz开发了一种自适应，预测的非线性神经网络滤波器，清洁污染重复噪声的信号，仅留下冲动的部件 - 这包括由地下爆炸产生的信号。

一个Matlab用户在过去的八年里，Schultz知道Matlab是这个项目的最佳工具：“Matlab的真正美丽是你可以做的真正快速的矩阵操纵。神经网络在矩阵方面配制，因此它是完美的契合。不仅如此，而且几乎是您想要使用的任何数学工具就在那里。这是一个非常精彩的乐器。“

他基于深度学习工具箱™中包含的模型的神经网络代码。要开发过滤算法，他采取了数据文件，数字化了，并使用MATLAB以完善神经网络的结构。交互式MATLAB环境使这种微调简单。然后，他能够创建一个独立的应用程序，可以在井网站的PC上使用。

Schultz依靠Matlab Compiler™快速编译并在桌面上执行应用程序。在他使用Matlab编译器之前，他回忆起，“算法工作只是第一步。为了创建一个应用程序，我将不得不回避我使用的函数，启动Visual Basic^®程序，键入代码，然后安装调试软件。使用Matlab和Matlab编译器，我可以使用更多时间来微调算法。“

他补充说：“我可以采用Matlab中可用的数学函数并将那些编译成一个完整的图形程序，包括用户界面和绘图以及数学函数。事实上，现在我不担心在Visual Basic或C中编写程序。我在几个月内没有写过C程序！“

一旦他有一个可执行程序，Schultz就可以在Matlab中使用Sound函数来在井网站上使用计算机上的声音系统播放过滤信号。他解释说：“我录制了嘈杂环境中的数据，将它带回我的办公室并使用我的过滤程序过滤，然后使用MATLAB中的声音函数侦听。”这种能力已经证明是特别有用的 - 何时 - 正常情况 - 他想在嘈杂的环境中听到一些东西。

在成功的试验之后，自适应神经网络过滤器被用作使用自适应神经网络的其他项目的基础，哈里伯顿已经开始了该技术的专利保护。