CGG发布了具有基于云平台的创新机器学习能力全新油藏描述软件

通过Jason软件的RockTrace功能进行反演得到的纵波/横波速度比显示出了墨西哥湾多产的砂岩储层。

位于巴黎的CGG公司宣布，其地球科学部门（Geoscience Division）下属的GeoSoftware已经推出了新一代云计算油藏描述解决方案。Jason 10.0、HampsonRussell 10.4和PowerLog 10.0都具有先进的机器学习能力和更好的跨产品集成特性，提高了石油勘探开发项目的性能，并使我们对储层性质能够有更好的理解。

这三个新版本的软件已经在微软Azure的云环境中无缝运行，并将很快在其它主要的云平台上进行使用。地球科学家（Geoscientist）现在可以实现计算密集型的工作流程，并运行非常大的项目，以比以往更快的速度同时对数千口井进行处理。

机器学习将继续提高适应复杂地质条件的能力。HampsonRussell Emerge现在以深度前馈神经 络（Deep Feed Forward Neural Networks）的形式提供深度学习，从而更好地预测储层的性质。PowerLog中的开放式Python生态系统允许在工作流中照常运用机器学习和深度学习功能，从而提高工作流的自动化程度，进而实现更准确的岩相预测。

新版本的特性主要表现在集成方面的进步，比如“一次加载，随处使用”的能力，大大简化了跨产品的工作流，同时还包括其它以用户为驱动的改进。HampsonRussell 10.4更新了先进的地震条件（Advanced Seismic Conditioning），提高了地震数据的质量，从而获得了更好的反演结果，AVO建模软件（AVO Modeling）现在已经可以为研究叠前数据的地震响应提供更多的研究工具。Jason 10.0使得利用岩石物理测井结果来进行岩相分类的设计或审查的工作变得更加容易，并且可以立即看到弹性反演方面的效果。同时它还改进了时间-深度转换和深度反演过程中的声波速度校准方法。PowerLog 10.0的升级改进使用户能够有效地对井组进行解释，并通过使用PowerLog生态系统，便可以应用机器学习的方法来解决岩石物理方面的挑战。

我们一如既往的倾听客户的意见，以确保我们新版本的软件能够带来一些创新，从而真正地帮助他们提高效率。随着地球物理学、地质学和岩石物理学之间的联系日益紧密，加强产品的集成度是开发跨学科工作流过程中的关键。这组新发布的软件版本也是第一批从我们的数字化发展路线中真正受益的版本，它通过集成机器学习和云计算应用程序的方式，为用户提供了一种高质量的使用体验。