Adapted sequential Gaussian simulations with Bayesian approach to evaluate the CO<sub>2</sub> storage potential in low porosity environment
Notice bibliographique
Résumé
Sequential Bayesian simulations are used to model the porosity distribution and assess the CO2 storage potential in the Beauharnois Formation of the Saint‐Flavien reservoir (Québec, Canada). The low porosity Beauharnois Formation is characterized by a complex geology, mostly composed of dolostones with a strong presence of limestone, sandstone, and shale. In such a complex geological environment, we transform the porosity distribution into a normal one to artificially stretch the range of porosity. This allows a clearer definition of the statistical relation between acoustic impedance (AI) and porosity, and a better identification of petrophysical families in the reservoir unit. Guided by seismic derived AI cubes, 250 realizations of porosity are simulated by Bayesian sequential simulations (BSS), all respecting the initial porosity well logs, the a priori porosity distribution, and the statistical relation between AI and porosity. All realizations present different but realistic distributions of porosity. We estimate the connectivity between zones with porosity greater than 1.0%. The average porosity in the connected pockets is approximately 1.4% for all three selected realizations. We estimate 0.5Mt to 1.25Mt of CO2 could be injected in the 3D model representation of the Beauharnois Formation in Saint‐Flavien, with a CO2 storage efficiency factor of 27% to 36%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».