哈里伯顿利用MATLAB和神经网络使石油勘探更安全

由于井眼的深度，炸药成功爆炸的信号通常很难听到，可能有两到三英里。为了加强爆炸信号，Schultz设计了一个系统，该系统将加速度计(传感器)连接到井口，捕捉并放大射孔枪爆炸时沿管道传播的声波应力波。

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^®舒尔茨开发了一种自适应的、可预测的非线性神经网络滤波器，可以清除重复性噪声污染的信号，只留下脉冲成分——包括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^®编写程序，输入代码，安装调试软件。有了MATLAB和MATLAB编译器，我可以花更多的时间对算法进行微调。”

他补充说:“我能够将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绘图以及数学函数，这是非常重要的。事实上，现在我不用担心用Visual Basic或C编写程序，我已经好几个月没写过C程序了!”

一旦他有了一个可执行的程序，舒尔茨就可以使用MATLAB中的声音功能，通过井场电脑上的声音系统播放过滤后的信号。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，用我的过滤程序过滤它，然后用MATLAB中的声音函数听它。”事实证明，当他想在嘈杂的环境中听到一些东西时(这是常有的情况)，这种能力特别有用。

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。