壳牌公司地质学家开发和部署地下地质特征预测软件
“作为地质学家，MATLAB使我们能够使用我们在预测框架，分析和模拟匹配方面的专业知识来实现我们行业独一无二的算法。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进行了部署，供全球同仁使用。”
挑战
通过构建精确的地下模型，降低油气勘探成本并提高井产量
解决方案
使用MATLAB开发和部署算法，这些算法利用地震数据、已知的缩放关系和地质指标数据库通过一个MATLAB应用程序定量地描绘地层特征
结果
- 用简单的查询取代耗时上月的项目
- 钻井预测精度大大提高
- 即时部署软件更新
左：通过3D震波数据立方体构建的水平切片。一个大的通道带（潜在的储层目标）以黑色勾勒出来。右：预测油藏目标内部地质学的一种可能的配置。2012年Armstrong修改的地震图像。
在石油和天然气勘探方面，地质学家利用地震资料对地下地质进行成像，识别潜在的碳氢化合物。 通常这些图像缺乏必要的分辨率来捕获岩层和其他地层细节的复杂图案。未解决的成像（under-resolved imaging）可导致钻探非生产井 - 成本为1亿美元或更多，或过度乐观的生产预测。
壳牌地质学家在MATLAB®中开发了算法，使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改善生产预测。地质学家与MathWorks咨询服务部门合作，将算法打包并部署到网上供全球其他壳牌地质学家使用。
壳牌地质学家尼克·霍伊斯（Nick Howes）表示：“我们的专业知识与MathWorks顾问在MATLAB开发软件框架方面的经验相结合，使我们能够开发高可用的界面和部署模式。”
挑战
壳牌希望有一个应用程序可以使用可用的震波测量结果结合一个已知的地质构造数据库来推断震波分辨率以下的新的类似特征。例如，为了指导渠道化地下储层的井位布置，该软件需要使用古河保留通道带的已建立的几何尺度关系和震波数据来预测该带内的特征。地质学家希望应用自己领域的专业知识来开发底层数据分析，预测和模拟识别算法，而无需将开发外包给单独的程序员团队或第三方。
一旦开发和测试了算法，团队就需要协助以准备将算法在生产IT环境中进行部署。他们希望能够在中央服务器上更新算法和附属的数据库，并使新版本立即可供世界各地的同事使用。
解决方案
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，通过MATLAB Production Server™在公司范围内部署其算法。
使用MATLAB，团队开发了从3D震波数据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的曲率分析，这些特征描述了输入数据的比例和模式。
他们使用数据库工具箱与MathWorks顾问建立的MongoDB的自定义连接器，以编程方式将其算法链接到地质数据库。数据库包含从卫星图像，地形、深度测量，核心数据和数值模型得出的规模、结构和组成的指标。
使用MATLAB和统计与机器学习工具箱，该团队开发了一种回归模型和预测算法，它们将数据库指标、从震波数据中提取的特征以及已知的缩放关系相结合，以预测震波尺度下的厚度、宽度和其他地层特征。
该团队采用了MATLAB Central File Exchange中分享的基于密度的空间聚类算法来识别地质数据库中的类似位置。
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，他们重写了一些过程化的MATLAB代码，应用面向对象的原则，使代码更容易扩展和维护。
他们添加了协同可视化功能，使用地图工具箱创建已识别的模拟位置的网络地图显示。
该团队使用MATLAB Compiler SDK™打包算法，并将其作为使用MATLAB Production Server 的生产企业应用程序进行部署。壳牌地质学家从使用MATLAB Compiler™创建的独立MATLAB客户端应用程序访问有指导和无指导工作流程中的算法。
该应用程序已经试验推广到一小群壳牌地质学家和分层机构，以准备全公司发布。
结果
- 用简单的查询取代耗时上月的项目。 Howes说：“使用我们在MATLAB开发的应用程序，地质学家可以在几分钟内获得复杂问题的答案，在某些情况下，以前需要项目人员进行大量的项目研究，数周至数月才能回答。
- 钻井预测精度大大提高。 Howes说：“我们使用我们的MATLAB算法来预测基于震波图像的预期位置的储层容量。“在勘探时，我们发现我们的预测精确到12%以内。在整个行业中，特别是在新的、数据稀疏的地区，发现这样的预测是一个数量级的提升（〜1000％）。
- 即时部署软件更新。 Howes说：“对我们来说，MATLAB Production Server 的一个很大的优势就是可以集中更新和更改它们，并将它们立即提供给所有用户。”“当我们增强我们的算法并增加我们的数据库，这些改进立即反映在生产IT环境中。”
