Workflow using sparse vintage data for building a first geological and reservoir model for CO<sub>2</sub> geological storage in deep saline aquifer. A case study in the St. Lawrence Platform, Canada
Notice bibliographique
Résumé
Abstract Among all geological CO2 storage possibilities, deep saline aquifers are of great interest due to their worldwide repartition and their important storage volume. We present a workflow using available vintage data with poor 2D seismic coverage for building a first geological and reservoir model for CO2 geological storage in the deep saline aquifers of the St. Lawrence Platform in the Bécancour area (Québec, Canada). In order to optimize the sparse available geoinformation using a geostatistical method, we krige the tops of the geological formations recorded at 11 wells using surfaces modeled from seismic horizons picked on 99.4 line‐km of 2D seismic reflection data. Modeled geological horizons show a good compromise between the geometric structure expressed by the variograms and the interpreted variations evaluated from seismic horizons. Using available well logs, distribution of porosity and permeability are computed for generating multiple realizations of the petrophysical properties of the targeted aquifer by sequential Gaussian simulations. The scarcity of available petrophysical data in the targeted aquifer generates high variability between the different realizations. Due to this uncertainty, the population of the 3D geological model with petrophysical properties that are required for further geostatistical simulations of CO2 injection do not allow to achieve reliable results. The methodology presented in this paper shows the possibilities and limits of using vintage data, and provides evidence that geophysical data acquired in a 3D fashion are important to fully characterize a reservoir for CO2 geological storage. © 2012 Society of Chemical Industry and John Wiley & Sons, Ltd
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| 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) | 0,004 | 0,001 |
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 ».