当前位置：首页>python>【Petrel】Blueback Python tool

【Petrel】Blueback Python tool

2026-09-10 15:34:44

其实这是一个简版的Python Tool Pro for Petrel™（关于PTP，参见：

https://www.slb.com/zh-cn/products-and-services/delivering-digital-at-scale/software/delfi/openness/python-tool-pro-for-petrel-subsurface-software

）

以下是该网页的机器翻译内容：

概述

Python Tool Pro 将 Petrel™ 地下软件与 Python 连接，实现自动化、机器学习与可扩展性，助力地下团队在无需离开 Petrel 软件环境的前提下加速工作流并获取更深层次的洞察。

通过将 Python 直接集成至 Petrel™ 地下软件，充分释放地下数据的更多价值。

SLB 与合作伙伴 Cegal 协作，通过 Python Tool Pro 进一步拓展了可扩展性，简化了工作流自动化，支持在 Petrel 软件项目中开展高级分析并加速创新。

随着数据量持续增长、工作流日益复杂，效率低下会削弱生产力并延缓决策进程。手动数据传输与数据重复使得数据科学工具难以在地质科学与工程工作流中实现规模化与全面集成。

我们正在弥合这一鸿沟，将 Petrel 软件与 Python 生态系统无缝连接，从而为地下解释与工程工作带来更具灵活性、可扩展性的解决方案。

工作原理

将 Python 驱动的自动化与分析能力直接引入 Petrel 软件

Petrel 地下软件的 Python Tool Pro 支持用户直接在 Petrel 软件数据上运行 Python 工作流，实现解释自动化、应用机器学习，并在同一环境中回写结果。

由此构建从数据访问到洞察生成的端到端无缝工作流。

优势

加速解释、自动化工作流、发掘全新洞察

减少手动解释时间
通过脚本化数据预处理、质量控制与解释工作流，实现重复性流程的自动化。
扩展机器学习工作流
利用 Python 库，直接在 Petrel 软件数据上运行聚类、地震数据预处理与预测模型。
消除数据传输瓶颈
直接在 Petrel 软件环境中作业，无需导出或重新导入数据集。
贯通地下生态系统
通过 Python API 将 Petrel 软件与外部工具、数据库及地理空间平台连接。

应用场景

在 Petrel 软件内部将 Python 应用于真实地下工作流。

Python Tool Pro 支持广泛的地质科学与工程应用，助您：

构建定制化仪表盘，对 Petrel 软件数据进行交互式探查与分析。
使用自定义脚本或调用强大的 Python 库，实现动态数据可视化。
运行聚类、相预测与测井预测工作流。
集成数据、自动化分类并构建三维模型。
训练并应用机器学习模型，开展储层表征。

功能特性

面向 Petrel 软件工作流的灵活、可扩展 Python 集成

Petrel 软件内直接 Python 脚本编写：

以编程方式访问各类 Petrel 软件对象，包括井、测井、地震数据体、曲面、网格、解释成果等。

一键数据回写：

Python 计算结果自动转换并写回 Petrel 软件，仅需一行代码即可实现无缝的端到端工作流集成。

集成 Python 库：

借助丰富的 Python 库生态，加速自动化、高级分析与自定义工具开发。

支持机器学习工作流：

Python Tool Pro 用户可直接在 Petrel 软件数据上应用复杂的机器学习算法。

而Blueback Python tool，目前仍然是Cegal（原Blueback reservoir）的Blueback Toolbox：

因为Python小白，就找LLM帮助我学习学习。

它很快就教会了我写好一个按layer统计数据的脚本：

import numpy as npimport pandas as pd#petrellink.message_dialog("The object's name is " + var.petrel_name + "\n"# + "The grid's name is " + grid.petrel_name)def stats_by_dir(gp, dir="k"):    grid = gp.parent_grid    if dir == "k":        n = grid.extent.k    elif dir == "i":        n = grid.extent.i    elif dir == "j":        n = grid.extent.j    else:        raise ValueError(f"Unknown direction: {dir}")    chunk = gp.all()    arr = chunk.as_array()      rows = []    for i in range(n):        if dir == "k":            v = arr[:, :, i].ravel()        elif dir == "i":            v = arr[i, :, :].ravel()        elif dir == "j":            v = arr[:, i, :].ravel()        m = ~np.isnan(v)        if m.any():            rows.append({                dir: i + 1,                "Count": m.sum(),                "Min":  v[m].min(),                "Mean": v[m].mean(),                "Max":  v[m].max(),                "Std":  v[m].std()            })    return pd.DataFrame(rows)sibling_prop = vk.parent_collectionfor p in sibling_prop:    df_layer = stats_by_dir(p)    print (p.petrel_name)    print (df_layer)