通过建立精确的地下模型，降低油气勘探成本，增加油井产量
使用MATLAB开发和部署使用地震数据、已知尺度关系和地质指标数据库的算法，通过MATLAB应用程序对地下特征进行定量描述
“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来实现在我们行业中独一无二的算法。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给全世界的同事。”
尼克·豪斯,壳牌
左:水平切片通过三维地震数据立方体。一个大的河道带(一个潜在的油藏目标)被用黑色勾勒出来。右:预测储层目标内部地质条件的一种可能配置。地震图像修改自阿姆斯特朗，2012年。
在油气勘探中，地质学家利用地震数据对地下地质进行成像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。低分辨率成像技术可能会导致钻非生产性井(成本为1亿美元或更多)，或导致生产预测过于乐观。
壳牌的地质学家在MATLAB中开发了算法®它利用已知地质特征的测量结果来预测同一地区的其他特征。这些算法提供了油藏存在和特征的统计预测，用于优化油藏开发和提高产量预测。地质学家们与MathWorks咨询服务公司合作，将这些算法打包并部署到世界各地的其他壳牌地质学家那里。
“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，”Shell的地质学家尼克•豪斯(Nick Howes)表示。
壳牌想要一个应用程序，可以使用现有的地震测量数据和一个已知地质构造的数据库来推断新的、类似的特征，这些特征低于地震分辨率。例如，为了指导在渠化地下油藏的井位布置，该软件需要利用已建立的几何尺度关系和古河流保存的河道带的地震数据来预测该河流带内部的特征。地质学家希望应用他们的专业知识来开发底层的数据分析、预测和模拟识别算法，而不需要将开发外包给单独的程序员团队或第三方。
一旦开发并测试了算法，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相应的数据库，并使全世界的同事能够立即获得新版本。
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MATLAB Production Server™中在全公司范围内部署了他们的算法。
在MATLAB中，该团队开发了从三维地震数据中定量描述提取特征的算法。通过使用曲线拟合工具箱™中的加权三次样条曲线进行曲率分析，这些特征描述了输入数据的规模和模式。
他们使用Database Toolbox™和MathWorks顾问为MongoDB构建的定制连接器，以编程方式将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尺度、建筑和成分指标。
利用MATLAB、Statistics和Machine Learning Toolbox™，该团队开发了一个回归模型和预测算法，该模型和算法结合了数据库指标、从地震数据中提取的特征以及已知的尺度关系来预测厚度、宽度和地下地震尺度下的其他地层特征。
该团队结合了MATLAB中央文件交换中基于密度的空间聚类算法，从地质数据库中识别类似的位置。
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。
他们添加了协同可视化功能，使用Mapping Toolbox™来创建已识别的模拟位置的web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。通过使用MATLAB编译器™创建的独立MATLAB客户端应用程序，Shell地质学家可以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一小群壳牌地质学家和地层学家推出，准备在全公司范围内发布。
