MétaCan
Menu
← Retour à la cohorte
Enregistrement W1987183285 · doi:10.1190/1.2370180

Well‐seismic bandwidth and time‐lapse seismic characterization related to CO <sub>2</sub> injection and fluid substitution: Physical considerations

2006· article· en· W1987183285 sur OpenAlexaff
Yinbin Liu, Don C. Lawton

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésSubstitution (logic)Bandwidth (computing)GeologyComputer scienceSeismologyMaterials scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

Reservoirs are commonly heterogeneous. Injection of CO2 (or other fluids) related to enhanced oil recovery (EOR) operations may cause strong lateral and depth-dependent changes of heterogeneity both within the reservoir and in the surrounding formations. A seismic signal propagating through the reservoir and the surrounding formations before and after the injection undergoes different velocity dispersion and amplitude attenuation, which result in time shifts and waveform distortion. This paper discusses the physical aspects of well log integration with seismic and time-lapse seismic characterization based on a thinly layered model (1D heterogeneity). The results show that discrete layering and interval multiple reflections (or scattering) within sedimentary sequences have a significant influence on synthetic seismograms. The velocity and density perturbations inside and outside the reservoir will mainly result in the time-lapse amplitude anomaly at the top of the reservoir and the local coda wave distortion from near the top of the reservoir to the strong basal reflection below the reservoir (BBR). The distortion of the coda wave is highly dependent on the magnitudes of medium perturbations. Large perturbations may cause time a sag for the basal reflection as well as later events, which mainly include primary reflections. Those results have important implications for time-lapse seismic monitoring.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,195
Écart entre enseignants0,189 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSeismic Imaging and Inversion Techniques→Travaux en français237 207→