Share describing aspects of wave reservoirs Python open source packages
A little while ago to the Czech Republic to participate in the annual meeting of mathematical geology (IAMG2018), listening to the report, we found a python in the field of mathematical geology more and more, many of their achievements are made out of python. Like it or not, this language has become mainstream, especially in the field of artificial intelligence, almost all of the framework have python interface is easy to use. Adhering to the "Life is short, I use python" concept, also on the road to learning python, despite feeling more elegant than C # python.
The purpose of learning is to help oil and gas development python intelligent, especially intelligent field management-related fields, in order to avoid repetition create the wheel, it is necessary to know what the current open-source python bag can be used. The following explains the values core, log, geological modeling, seismic processing and interpretation, numerical simulation, fracture simulation described several aspects.
1, the digital core
Digital core is critical to characterize microscopic rock dynamic and static characteristics, obtained by scanning the digital core modeling and simulation requires various core reconstruction, the pore network model reconstruction is a common core, the method has Python package OpenPNM and the like Poreflow .
https://github.com/PMEAL
https://github.com/pmeal/openpnm
https://github.com/ggorman/poreflow
2 log interpretation
Including read, all kinds of interpretation, the graphical display log data, and the like, such as the standard format of data read and write python las LaSiO packet, the converted packet las various depths, the logging various filtering processes, the basic log interpretation using excel and a few lines of simple python script can, complex explanation can make use of a special interpretation packages, such as petropy and so on.
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”）
【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。
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。
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！