壳牌地质学家开发并部署用于预测地下地质特征的软件

壳牌希望开发一个应用程序，该应用程序可以使用可用的地震测量数据和已知地质构造的数据库来推断低于地震分辨率的新的类似特征。例如，为了指导沟渠化地下储层中的油井布置，该软件需要使用已建立的几何比例关系地质学家希望运用他们的专业知识自行开发底层数据分析、预测和模拟识别算法，而不将开发工作外包给单独的程序员团队或第三方。

一旦算法被开发和测试，团队就需要帮助来准备在生产IT环境中部署它们。他们希望能够在中央服务器上更新算法和附带的数据库，并使新版本立即可供世界各地的同事使用。

壳牌地质学家在MATLAB中开发了地层表征算法，并与MathWorks顾问合作，在公司范围内使用MATLAB生产服务器部署其算法™.

在MATLAB环境下，该团队开发了算法，可以定量描述从3D地震数据中提取的特征。通过使用曲线拟合工具箱中的加权三次样条进行曲率分析™, 这些特征描述了输入数据的规模和模式。

他们使用数据库工具箱™ 使用MathWorks咨询公司为MongoDB构建的自定义连接器，以编程方式将其算法链接到地质数据库。该数据库包含从卫星图像、地形和水深测量、核心数据和数值模型得出的比例尺、建筑和组成指标。

使用MATLAB和统计及机器学习工具箱™, 该团队开发了回归模型和预测算法，将数据库指标、从地震数据中提取的特征和已知的比例关系结合起来，以预测地震下的厚度、宽度和其他地层特征。

该团队整合了MATLAB中心文件交换中基于密度的空间聚类算法，以从地质数据库中识别类似位置。

然后，他们与MathWorks顾问合作改进算法，开发用户界面，并将算法部署为生产应用程序。

首先，他们重写了一些程序化的MATLAB代码，应用面向对象的原则使代码更易于扩展和维护。

他们增加了协同可视化功能，使用Mapping Toolbox™创建识别模拟位置的网络地图显示。

该团队使用MATLAB编译器SDK打包了这些算法™, 并使用MATLAB生产服务器将其部署为生产企业应用程序。壳牌地质学家从使用MATLAB编译器创建的独立MATLAB客户端应用程序中访问引导和非引导工作流中的算法™.

该应用程序已作为试点向壳牌的地质学家和地层学家进行推广，准备在全公司范围内发布。

• 一个月的项目被简单的查询所取代。豪斯说:“使用我们在MATLAB中开发的应用程序，地质学家可以在几分钟内得到复杂问题的答案，而在某些情况下，这需要项目人员承担重大研究项目，需要数周甚至数月才能回答。”
• 钻井预测精度大幅度提高。豪斯说:“我们使用MATLAB算法，根据地震图像预测预期位置的储层体积。”“当钻井时，我们发现预测的准确性在12%以内。在整个行业中，发现此类预测相差一个数量级(~1000%)的情况并不罕见，特别是在数据稀少的新领域。”
• 软件更新立即部署。Howes说:“对我们来说，MATLAB生产服务器的一个巨大优势是能够集中进行更新和更改，并让所有用户都能立即使用。”“随着我们改进算法并添加到数据库中，这些改进会立即反映到整个生产IT环境中。”