MétaCan
Menu
Retour à la cohorte
Enregistrement W2022809897 · doi:10.1016/j.egypro.2014.11.466

Model-based Assessment of Seismic Monitoring of CO2 in a CCS Project in Alberta, Canada, Including a Poroelastic Approach

2014· article· en· W2022809897 sur OpenAlexafffundabout
Shahin Moradi, Don C. Lawton

Notice bibliographique

RevueEnergy Procedia · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensCarbon Management CanadaUniversity of Calgary
Organismes subventionnairesSandia National LaboratoriesCarbon Management Canada
Mots-clésPoromechanicsSaturation (graph theory)Porous mediumPlumeGeologyEnhanced oil recoveryBiot numberCarbon sequestrationBandwidth (computing)Petroleum engineeringPorosityMechanicsComputer scienceGeotechnical engineeringPhysicsCarbon dioxideMathematicsMeteorologyChemistry

Résumé

récupéré en direct d'OpenAlex

The theoretical detectability of CO2 is investigated for the Quest Carbon Capture and Storage (CCS) project in Alberta, Canada. This is completed by using Gassmann fluid substitution and elastic seismic modeling. The study indicates that for the period of one year injection, the location and spatial distribution of the CO2 plume could be detected in the seismic data. This is providing the data have good bandwidth and a high signal to noise ratio. However, pore fluid properties such as density, velocity, viscosity, and saturation are neglected in elastic modeling in spite of the reservoir rocks being porous media saturated with fluids. Another phase of the study includes developing a more accurate forward modeling algorithm that takes the fluid properties into account. For this purpose, the Biot's equations of motion in poroelastic media are employed to develop a finite difference algorithm to simulate the wave propagation in poroelastic media. To examine the algorithm, a numerical example is defined based on the Quest project. The results reveal that the algorithm properly handles the layered models and thus can be used in the future to examine more complex models. This approach may also be better than elastic modeling for theoretical monitoring of CO2 since the reservoir fluid content is considered in the modeling process.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,670
Score d'incertitude au seuil0,786

Scores Codex et Gemma par catégorie

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

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 Opus0,020
Tête enseignante GPT0,239
Écart entre enseignants0,219 · 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 tête enseignante, 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

Citations6
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207