哈里伯顿让石油勘探安全使用MATLAB和神经网络

信号表明成功引爆炸药指控通常很难听到由于井孔的深度,可以两到三英里。舒尔茨为了加强爆震信号,设计了一种加速度计的系统(传感器)附加到井口捕获和放大了声压力波,旅行时管射孔枪。

然而,他发现,敏感加速度计也捕获信号从泵,发电机,在井口和其他设备。舒尔茨需要开发一个过滤器,将单独的加速度计信号从这些环境污染造成的声音。这个过滤器需要合并到一个独立的应用程序可以很容易地使用。

机械的噪声往往是重复的,而炸药产生的信号往往是冲动的。在MATLAB工作^®,舒尔茨开发了一个自适应预测非线性神经网络过滤器,净化污染的信号重复的声音,只留下冲动组件包括地下爆炸产生的信号。

MATLAB的用户在过去的8年里,舒尔茨知道MATLAB是这个项目的最佳工具:MATLAB的“真正的美是你可以快速矩阵操作。神经网络制定矩阵而言,这是一个完美的配合。不仅如此,几乎所有的数学工具,你想用在这里。这真是一个美妙的乐器。”

他基于神经网络代码模型包含在深度学习工具箱™。发展滤波算法,他把数据文件、数字化,并使用MATLAB神经网络完善结构。互动的MATLAB环境微调容易。他就能够创建一个独立的应用程序,可以用于个人电脑的网站。

舒尔茨依赖MATLAB编译器™快速编译和执行应用程序在桌面上。使用MATLAB编译器之前,他回忆道,“让算法工作只是第一步。为了创建一个应用程序,我将不得不追溯功能使用,启动Visual Basic^®程序,输入代码,安装调试软件。MATLAB和MATLAB编译器,我可以花更多时间微调算法。”

他补充道,“真的很重要,我可以在MATLAB数学函数可用并编译成一个完整的图形程序,包括用户界面和情节以及数学函数。事实上现在我不担心写程序在Visual Basic或C .我几个月没写过C程序!”

一旦他有一个可执行程序,舒尔茨能够使用MATLAB中的声音功能发挥过滤信号的音响系统在他的电脑上网站。他解释说,“我把分析数据记录在嘈杂的环境中,把它带回我的办公室和过滤器过滤项目,然后使用声音听在MATLAB函数。”这种能力被证明特别有用当往往是他想听到一些嘈杂的环境。

成功的试验测试后,自适应神经网络滤波器被用作其他项目使用自适应神经网络的基础,和哈里伯顿已经发起了专利保护的技术。