通过建立精确的地下模型，降低油气勘探成本，提高油井产量
使用MATLAB开发和部署算法，利用地震数据、已知的比例关系和地质指标数据库，通过MATLAB应用程序定量描述地下特征
“作为地质学家，MATLAB使我们能够利用我们在预测框架、分析和模拟匹配方面的专业知识，实现行业内独一无二的算法。在MathWorks顾问的帮助下，我们将这些算法作为一个易于使用的应用程序部署到世界各地的同事中。”
尼克·豪斯,壳牌
左:通过三维地震数据立方体的水平切片。一个大的水道带(一个潜在的储层目标)用黑色标出。右图:预测目标储层内部地质的一种可能配置。地震图像修改自阿姆斯特朗，2012年。
在石油和天然气勘探中，地质学家利用地震数据来成像地下地质并识别潜在的油气聚集。这些图像通常缺乏必要的分辨率来捕捉复杂的岩层模式和其他地层细节。低分辨率成像可能会导致钻井效率低下，成本高达1亿美元或更多，或者生产预测过于乐观。
壳牌的地质学家在MATLAB中开发了算法®利用已知地质特征的测量来预测同一地区的其他特征。这些算法提供了储层存在和特征的统计预测，用于优化储层开发和提高产量预测。这些地质学家与MathWorks Consulting Services合作，将算法打包并部署到壳牌全球的其他地质学家。
壳牌的地质学家Nick Howes表示:“我们的领域知识与MathWorks顾问在MATLAB中开发软件框架的经验相结合，使我们能够开发出更有用的界面和部署模型。”
壳牌希望开发一种应用程序，能够利用现有的地震测量数据和已知地质构造的数据库，推断出低于地震分辨率的新的类似特征。例如，为了指导河道化地下储层的井位，该软件需要使用已建立的几何比例关系和古河流保存的河道带的地震数据来预测该带内的特征。地质学家希望利用他们的专业知识来开发基础数据分析、预测和模拟识别算法，而不是将开发外包给独立的程序员团队或第三方。
算法开发和测试完成后，团队需要帮助为在生产IT环境中部署它们做好准备。他们希望能够在中央服务器上更新算法和相应的数据库，并让世界各地的同事可以立即使用新版本。
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，在公司范围内部署了MATLAB Production Server™算法。
在MATLAB中，该团队开发了从3D地震数据中定量描述提取特征的算法。通过使用Curve Fitting Toolbox™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。
他们使用了Database Toolbox™和MathWorks顾问为MongoDB构建的自定义连接器，以编程方式将他们的算法链接到地质数据库。该数据库包含来自卫星图像、地形和水深测量、核心数据和数值模型的比例、建筑和组成度量。
利用MATLAB、统计学和机器学习工具箱™，该团队开发了一个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缩放关系结合起来，预测地震次尺度的厚度、宽度和其他地层特征。
该团队结合了来自MATLAB中央文件交换的基于密度的空间聚类算法，从地质数据库中识别出类似的位置。
然后，他们与MathWorks顾问一起改进算法，开发用户界面，并将算法部署为生产应用程序。
首先，他们重写了一些过程性的MATLAB代码，应用面向对象的原则使代码更容易扩展和维护。
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 Compiler SDK™打包算法，并使用MATLAB production Server将其部署为生产企业应用程序。壳牌地质学家通过使用MATLAB Compiler™创建的独立MATLAB客户端应用程序，在引导和非引导工作流程中访问算法。
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。
你也可以从以下列表中选择一个网站: