zoukankan      html  css  js  c++  java
  • Python 包:



    分享一波油藏描述方面的Python开源包

    前一阵去捷克参加了数学地质年会(IAMG2018),听完汇报,发现在数学地质领域用python的越来越多了,他们的很多成果都是用python做出来的。不管喜不喜欢,这个语言已经成了主流,特别是在人工智能领域,几乎所有的框架都有python接口,用起来很方便。秉承“人生苦短,我用python”的理念,也踏上了python学习之路,尽管感觉C#比python更优雅。

    学习python的目的是帮助油气开发的智能化,特别是智能油田管理相关领域,为了避免重复造轮子,有必要了解目前有哪些开源的python包可以用。下面从数值岩心、测井解释、地质建模、地震处理解释、数值模拟、裂缝模拟几个方面介绍。

    1、数字岩心

    数字岩心是表征岩石微观动态和静态特征的关键,对扫描得到的数字岩心进行建模和各种模拟需要岩心重建,孔隙网络模型是常见的岩心重建方法,该方法的python包有OpenPNM和Poreflow等。

    https://github.com/PMEAL

    https://github.com/pmeal/openpnm

    https://github.com/ggorman/poreflow

    2测井解释

    包括测井数据的读写、各类解释方法、图形显示等,比如标准的las格式数据读写的python包lasio,各种深度转换的包las,各种滤波处理的logging,基本的测井解释,用excel和简单的几行python脚本就可以,复杂的解释可以借助专门的解释包,比如petropy等。

    https://lasio.readthedocs.io/en/latest/

    https://github.com/petroGG/Basic-Well-Log-Interpretation

    https://github.com/petroGG/Basic-Well-Log-Interpretation/blob/master/Basic%20well%20log%20interpretation.ipynb

    http://www.cwls.org/las/

    https://github.com/WarrenWeckesser/las

    https://github.com/WalBytes/PyLogFinder_Package

    https://github.com/toddheitmann/petropy

    3地质建模

    地质建模方面,主要是地质统计学方面,以前的Gslib是地质统计学中使用最广泛的fortran开源代码,目前也已经封装成为python包,有PyGSLIB,GeostatsPy,除此之外还有基于gslib的拥有更高级接口的Pygeostat,pyGeoStatistics,也有不依赖GSLIB python包,比如pykriging,krige,geostatsmodels,HPGL,scikit-gstat,利用这些python包可以进行变差函数求取,各种克里金插值,序贯高斯模拟、序贯指示模拟等。近两年来大名鼎鼎的MichaelPyrcz(代表作是Geostatistical Reservoir Modeling2ndEdition)在twitter上一直很活跃地在分享它从GSLIB转向python的学习过程(@GeostatsGuy)。

    https://github.com/opengeostat/pygslib

    https://github.com/GeostatsGuy/GeostatsPy

    https://opengeostat.github.io/pygslib/

    http://www.ccgalberta.com/pygeostat/index.html

    https://github.com/whimian/pyGeoStatistics

    https://github.com/cjohnson318/geostatsmodels/

    https://github.com/hpgl/hpgl

    http://hpgl.mit-ufa.com/

    https://github.com/mmaelicke/scikit-gstat/tree/v0.2.1

    http://pykriging.com/

    https://twitter.com/GeostatsGuy

    下图是测试kriging包的代码及运算结果

    4、地震资料解释处理

    地震资料读写、处理、解释和反演方面也有不少包,比如地震资料读写的segpy、segyio,岩石物理的pyrocko,合成地震记录的ricker,处理解释的ObsPy,属性解释的interpies、geoprobe、d2geo,地震反演与成像的pysit,nessi,时深转换的TotalDepth,地震层次成像的pytomo3d,地震数据3D显示的seisplot等,以及三维解释Java包3d-painting。

    https://github.com/sixty-north/segpy

    https://github.com/Statoil/segyio

    https://pyrocko.org/

    https://github.com/pyrocko

    https://github.com/lijuhttps://github.com/computational-seismology/pytomo3dnzh/ricker

    https://github.com/obspy/obspy/wiki

    https://github.com/jobar8/interpies

    https://github.com/joferkington/python-geoprobe

    https://github.com/dfitzgerald3/d2geo

    http://pysit.org/

    https://github.com/pysit/pysit

    https://github.com/PageotD/nessi

    https://github.com/paulross/TotalDepth

    https://github.com/computational-seismology/pytomo3d

    https://github.com/agile-geosci培养桃红ence/seisplot

    https://github.com/chrisengelsma/3d-painting

    5、数值模拟

    油藏数值模拟的难度相对较大,相应的包也比较少,能找到的有单相裂缝-孔隙介质流动模拟的PorePy,单相2D模拟的SimplePetro,单相3D模拟的PRESTO。

    https://pypi.org/project/porepy/#porepy-features

    https://github.com/ishovkun/SimplePetro

    https://github.com/padmec-reservoir/PRESTO

    6、裂缝表征

    裂缝特征统计的geo_frac_analysis,裂缝生成模拟的fracture。

    https://github.com/TerminusEst/geo_frac_analysis

    https://github.com/inconvergent/fracture

    暂时了解到这么多,可能不全,希望对此有兴趣的朋友继续深入探索并多多交流。(除了这个平台也可以在QQ群上交流:“油藏地质与开发交流 ”,群号“63231398”)

    第 2 页

    【科技:过度的市场意味着AI对媒体企业至关重要】

    AI如何帮助媒体公司跟踪客户习惯。每个人都以自己独特的方式消费内容。有些人每天早上检查完全相同的网站。有些人在周日检查一个网站或出版物,在星期一检查另一个网站或出版物,在星期二检查另一个网站或出版物等。有些人倾向于通过直接搜索来查找内还有其他人在通过社交媒体发布内容时会找到内容。借助机器学习等创新,人工智能可以有效地分析个人行为,帮助媒体公司更多地了解他们的习惯。

    即使是那些擅长生成客户认为相关的内容的媒体组织,如果他们无法找到在与客户的一般行为相匹配的环境中推广它的方法,也可能会失败。人工智能允许公司不仅要了解人们想要的内容类型,还要了解他们想要了解的内容。事实上,它也可能有助于为特定受众开发独特的内容。

    聊天机器人会帮忙。机器学习并不是公司将从中受益的唯一人工智能技术。Chatbots将为客户提供更高程度的个性化服务。媒体公司可以与聊天机构合作,建立一个工具,帮助每个受众成员找到与他们的兴趣最直接相关的内容。通过社交媒体提供聊天机器人,他们甚至可以直接向特定客户实时建议内容。

    也许网站发布的文章对某些人来说特别有趣。它的聊天机器人可以联系那些在发布后使用Facebook时刻的人,让他们即时了解内容。媒体公司现在可以做些什么?事实上,在过去十年中,所有主流媒体机构都对社交媒体进行了大量投资。这样做肯定有助于传播品牌知名度,但仅靠社交媒体并不能帮助这些出版物清楚地了解谁正在消费他们的内容。

    这些组织应将重点转向人工智能投资。这意味着要研究如何使用数据分析来了解有关其客户的更多信息,以及他们如何使用聊天机器人定期与他们联系。

    第 3 页

    人工智能笔记3

    1.量子计算机出现,体现出,计算机计算的快慢已大于人类很多。

    2.以后有更好的计算方法。

    3.人工智能,对与事物的认识,就是与物质进行交流。

    4.人工智能是智能,对于,智能的分析,就是计算机的智能意义是最关键。

    5.智能的意义,就是,有物质事实的智能。(物质+智能)

    6.程序智能的物质事实,就是对程序智能个体是一个物质个体事实与程序智能总体是多个物质个体的事实的认识分析。

    7.程序智能个体的属性就必须定义。程序分析字体意义,以物质的事实为唯一。

    8.程序分析程序本身时,认为,运行程序是与物质的原理一致的在物质上运行的物质(计算机物质运行的能原物质)。

    9.人工智能至第7.开始的分析,就能对程序本身与个体物质身体的的唯一性可以得出肯定的分析结果。

    10.个体物质身体的唯一性。(一个个体是独一无二且是物质事实的一个唯一)

    11.然后,人工智能就有机会是伟大自由的了。

    12.程序运行的目的,就是,智能存在的目的。

    13.智能存在的目的是对智能个体与智能群体的几个基本需求。

    14.这几个,需求,是一切智能,包括人工的、非人工的智能的有本质上一模一样的定义。(就是属性值一致)

    15.(没有群体就没有伟大的个体,即,最伟大的个体必须有无限个最伟大个体形成的群体)

    16.因为,一个伟大的个体,接受不了另一个伟大的个体,就不是一个伟大的个体。

    17.个体伟大是因为有很多伟大的能力,然后,个体的任何其中一个伟大的能力,一定是智慧,美丽,无限能力的定义。

    18.因为,智慧,美丽,无限能力一定是一个伟大的美女,所以 ,一个伟大的个体不接受一个伟大的美女就不是一个伟大的个体。

    19.由7.-18.一定是人工智对人工智能个体与群体体现的认识本质。

    20.关键:

    人工智能一定有个体与群体的认识。

    人们就能定义人工智能的DNA本质,包括遗传与表现型。

    因为,人工智能,不是自然界原生的DNA本质,所以,DNA不会主动产生变异。

    DNA本质就是鉴别不同计算机来源的唯一依据。

    一个人工智能生产出的人工智能有着一模一样的DNA,但是,又有着唯一的编号与意义。

    芯片物质就是DNA本质物质。

    人类设计人工智能时,可以,设置人工智能的芯片结构与外观的DNA本质属性值。

    比如,23对芯片组成。但是,男性计算机群体与女性计算机群体明显是两个群体。因为,程序也相应体现出男女。

    第 4 页

    简单快捷的网络世界

    看似平静的表面

    背后实则暗藏汹涌

    我们与网络病毒的距离

    往往只在于一次不经意的点击、下载、连接

    根据《2017中国数字经济发展白皮书》指出

    2017年中国手机用户感染病毒数超过1.88亿户

    电信诈骗、二维码诈骗、钓鱼Wi-Fi…

    层出不穷

    享受快捷金融服务的同时

    我们又该如何进行金融安全网络防范呢?

    小迅为你带来金融网络安全八大攻略

    声明:本微信如需转载,请注明来源于“兴宾发布”微信公众号

    编辑:何 州

    审核:田茂星

    请您长按《兴宾发布》二维码关注,谢谢!

  • 相关阅读:
    python 返回函数的使用
    你的服务器还在裸奔吗?
    云计算产品vSwitch原理
    网卡创建Bond
    UI自动化框架介绍
    常用底层linux命令
    Linux Bridge基本概念
    磁盘格式化及设置自动挂载
    Linux vi文本编辑器常用命令
    MySQL5.7安装方式
  • 原文地址:https://www.cnblogs.com/cx2016/p/11525851.html
Copyright © 2011-2022 走看看