Вы находитесь на странице: 1из 21

Экосистема Python в

HampsonRussell
Вебинар
Павел Диденко
Москва, 2020
Правила вебинара

 Для того, чтобы задать вопрос,


используйте вкладку Questions

 Мы ответим на все вопросы в


конце вебинара

 Копию презентации и другие


материалы вы можете скачать во
вкладке Handouts

2
Портфолио GeoSoftware

3
Сегодня в вебинаре

4
Содержание

 Внешний вид и особенности: что такое Python


Ecosystem?
 Распространение: доступные библиотеки
 Образ жизни: установка и настройка
 Значение для геофизиков:
– Обмен данными на примере скважин и сейсмики
– Определение оптимального числа кластеров
– Обучение без учителя
 Дополнительная информация
 Q &A
Зачем использовать HRS Python Ecosystem?

Инструмент для
Расширение уже Доступ к алгоритмам
быстрого
имеющихся графов анализа данных и
моделирования
работ машинного обучения
результата
Распространение: доступные библиотеки

7
Образ жизни: установка и настройка
 Для запуска нужна последняя версия
программы - HRS10.5
 Для сегодняшней демонстрации мы будем
использовать Python 3.5.4

Путь к директории Python и .whl файлу в


корневой папке HampsonRussell

9
Значение для геофизика: Примеры

 В примерах используется Jupyter Notebook

10
Пример 1: Чтение/запись кривых из скважин
Пример доступен для скачивания на нашем портале поддержки пользователей

hrs_basics_demo.ipynb
Get selected well name
Get active curve names
Import P-wave and Density curves
Import headers
Calculate P-impedance
Export P-impedance logs

11
Машинное обучение

 3 типа машинного
обучения
– Обучение с подкреплением
– Агент обучается
взаимодействуя со средой

12
Машинное обучение

 3 типа машинного
обучения
– Обучение с подкреплением
– Агент обучается
взаимодействуя со средой
– Обучение с учителем
– Вероятностные нейронные
сети
– Глубокое обучение

13
Машинное обучение

 3 типа машинного
обучения
– Обучение с подкреплением
– Агент обучается
взаимодействуя со средой
– Обучение с учителем
– Вероятностные нейронные
сети
– Глубокое обучение
– Обучение без учителя
– Self organizing

14
Пример 2: Оценка оптимального количества кластеров по
кривой ГИС
 Дендрограмма
Диаграмма в виде древа ,позволяющая изобразить взаимные
связи между объектами из заданного множества
 Оптимальное количество кластеров на основе «метода
локтя»
Метод, в котором пользователь ищет изменение наклона от
крутого к мелкому (колено), чтобы определить оптимальное
число кластеры.
 Оптимальное количество кластеров на основе
информационных критериев AIC и BIC
Байесовский информационные критерий и информационный
критерий Акаике для Гауссовых моделей смеси

15
Определение оптимального количества кластеров на примере
данных из скважин

16
Пример 3: Используем сейсмические данные

Пример доступен для скачивания на Портале Пользователей CGG

hrs_seismic_module_highlight.ipynb

Get volume names from Geoview


Get poststack volumes
Get trace order information
Get trace at a bin location
Get grid range
Loop through the volumes (poststack/pre-stack)
Extract data along horizon
Export traces to Geoview

19
Заключение
 Был рассмотрен процесс взаимодействия
HampsonRussell с внешними библиотеками
Python.
 Мы также рассмотрели часть возможностей
по взаимодействию с сейсмическими Log lithology Seismic lithology

данными, а так же с горизонтами и слайсами.


 Доступ к множеству готовых библиотек, Probability

функционал которых можно применять в


HampsonRussell
 Алгоритмы машинного обучения с учителем
уже реализованы в модуле Emerge. С Emerge
Porosity
вы можете предсказать объемы свойств,
используя скважинные данные и атрибуты
сейсмической записи.
20
Дополнительная информация

 Python Ecosystem documentation is posted at CGG Client portal:


geosoftwaresupport.cgg.com

1. HRS_Python_Ecosystem_API_Documentations –
документация по функционалу с примерами

2. HRS_Python_Ecosystem Examples примеры скриптов


для HampsonRussell

21
Submit your questions using the questions pane on the
GoToWebinar control panel.

22 Example style for optional footer – Public – Confidential – Internal


Вебинары

 Эволюция PowerLog. Пять лет непрерывного


развития
– 10 июня

https://cgg-geosoftware.ru/

25
Спасибо!
Email additional questions to geosoftwaresupport.cis@cgg.com
Learn more at cgg.com/geosoftware

26

Оценить