Seismische Datenverarbeitung

Seismik, HPC und KI für die Öl-, Gas- und Energieforschung

Seit rund 20 Jahren sind wir Forschungspartner für Unternehmen der internationalen Öl- und Gasindustrie – dank unserer Kombination von Kompetenzen in angewandter Seismik, High Performance Computing (HPC) und seit einigen Jahren auch Maschinellem Lernen (ML). Im Rahmen von Auftragsforschung entwickeln wir Algorithmen und Verfahren zur seismischen Datenbearbeitung, zu seismischen Prestack-Imaging-Verfahren sowie zur Interpretation migrierter Daten.

Wir liefern Projektergebnisse entlang der gesamten Wertschöpfungskette: von der Konzeption und Ausarbeitung neuer Algorithmen bis hin zum Ausliefern praxistauglicher, produktionsreifer Softwarepakete. Aufgrund der großen Datenvolumina bei der Anwendung unserer Verfahren legen wir bereits in der Algorithmusentwicklung großen Wert auf Skalierbarkeit für den Einsatz auf Parallelrechnerarchitekturen. Dazu implementieren wir Parallelisierung auf allen Ebenen – intra-node, inter-node und Vektorisierung. Häufig profitiert unsere Software unmittelbar von HPC-Werkzeugen wie schnellen parallelen Dateisystemen und Parallelisierungsbibliotheken, die von unseren Kolleginnen und Kollegen in anderen Teams der unserer Abteilung »High Performance Computing« entwickelt werden.

Neben kundenspezifisch erstellten Softwarepaketen erarbeiten wir auch lizenzierbare Produkte und führen mit unseren proprietären Lösungen spezialisierte Datenbearbeitungsprojekte für Unternehmen durch. Der tägliche Umgang mit Daten – oft aus aktuellen Messkampagnen mit modernen Messkonzepten – versetzt uns in die Lage, reale Problemstellungen früh zu erkennen und gezielt Projekte zur verbesserten Datenbearbeitung zu initiieren oder auf individuelle Anfrage umzusetzen. Insbesondere unsere Entwicklungen im Schwerpunkt des Maschinellen Lernens werden durch diese Synergien angestoßen und laufend weiter vorangetrieben.

Unsere Forschungsschwerpunkte lassen sich wie folgt unterteilen:

  • Seismische Tiefenmigration (»Generalized Radon Transform« GRT)
  • Spezialisierte Bearbeitung von Daten aus marinen OBN Messungen und Landdaten
  • Deep Neural Networks für die Bearbeitung und Interpretation seismischer Daten (DLseis)
  • Seismische Verfahren für erneuerbare Energien

Beispiel-Projekte, Methoden und Produkte

 

Boulder-Detection mit Machine Learning

Im Projekt entwickeltn wir einen Prozess, der Hindernisse im Erdboden lokalisiert. Besonders für Offshore-Windparks im Meeresboden ist diese Analyse wichtig, um die richtigen Positionen der Windräder zu bestimmen.

 

DLseis

Das Projekt »Deep Learning für große seismische Anwendungen« (DLseis) befasst sich mit der Grundlagenforschung bis hin zu einsatzbereiten Deep-Learning-Tools für seismische Anwendungen.

 

Seismische Prestack-Tiefenmigration GRT

Die Entwicklung der auf der »Generalisierten Radon Transformation« beruhenden Tiefenmigration ist ein gutes Beispiel für die Entwicklung eines maßgeschneiderten Produktes.

RTM

Die RTM (reverse time migration) ist ein Wellengleichungs-basiertes Migrationsverfahren, das auch in kompliziertesten Untergrundstrukturen einsetzbar ist.