哈里伯顿使用MATLAB和神经网络使石油勘探更安全

由于井口深达两三英里，表明炸药成功引爆的信号通常很难听到。为了加强爆震信号，Schultz设计了一个系统，该系统中安装在井口上的加速度计(传感器)可以捕捉并放大射孔枪爆炸时沿管道传播的声应力波。

然而，他发现灵敏的加速度计也能捕捉到来自井口周围泵、发电机和其他设备的信号。舒尔茨需要开发一种过滤器，将加速度计信号与这些环境声音造成的污染分离开来。该过滤器需要合并到一个独立的应用程序中，以便在现场轻松使用。

机器发出的噪音通常是重复的，而炸药产生的信号本质上往往是脉冲的。MATLAB工作^®舒尔茨开发了一种自适应、预测的非线性神经网络滤波器，它可以清除污染的重复噪声信号，只留下脉冲成分，其中包括地下爆炸产生的信号。

作为过去8年的MATLAB用户，Schultz知道MATLAB是这个项目的最佳工具:“MATLAB的真正美妙之处在于你可以进行非常快速的矩阵操作。神经网络是用矩阵表示的，所以这是一个完美的组合。不仅如此，几乎所有你想要使用的数学工具都在那里。这是一种非常棒的乐器。”

他的神经网络代码基于深度学习工具箱™中包含的模型。为了开发过滤算法，他将数据文件数字化，并使用MATLAB来完善神经网络的结构。交互式MATLAB环境使这种微调变得很容易。然后，他能够创建一个独立的应用程序，可以在井场的PC上使用。

Schultz依靠MATLAB编译器™在桌面上快速编译和执行应用程序。他回忆说，在使用MATLAB编译器之前，“让算法工作只是第一步。为了创建一个应用程序，我必须重新使用我使用的函数，启动Visual Basic^®编程，输入代码，安装调试软件。有了MATLAB和MATLAB编译器，我可以投入更多的时间来微调算法。”

他补充说:“我可以将MATLAB中可用的数学函数编译成一个完整的图形程序，其中包括用户界面和图形以及数学函数，这非常重要。事实上，现在我不用担心用Visual Basic或C写程序了，我已经好几个月没写C程序了!”

一旦他有了一个可执行程序，Schultz就可以使用MATLAB中的声音函数在他的计算机上的音响系统上播放过滤后的信号。他解释说:“我在嘈杂的环境中记录数据，把它带回我的办公室，用我的过滤程序对它进行过滤，然后用MATLAB中的声音函数来听它。”事实证明，当他想在嘈杂的环境中听到一些东西时(通常情况下)，这种能力特别有用。

在成功的试验测试之后，自适应神经网络过滤器被用作其他使用自适应神经网络的项目的基础，哈里伯顿已经为该技术申请了专利保护。