MétaCan
Menu
Retour à la cohorte
Enregistrement W2321152136 · doi:10.3997/2214-4609.201413374

Numerical Modeling for Assessing the Effects of Thermodynamic Properties on CO2 Storage in Saline Aquifers

2015· article· en· W2321152136 sur OpenAlexaboutno aff
Mohsen Pasdar, S.M. Seyyedi Nasooh Abad, Behzad Rostami

Notice bibliographique

RevueProceedings · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAquiferSalinityDissolutionEnvironmental sciencePetroleum engineeringCarbon sequestrationAquifer propertiesSoil scienceGeologyGroundwaterCarbon dioxideGeotechnical engineeringChemistryGroundwater recharge

Résumé

récupéré en direct d'OpenAlex

Summary According to the Intergovernmental Panel on Climate Change (IPCC), global CO2 emissions must be reduced by 50 to 80 percent by 2050 to avoid dramatic consequences of global warming. Geological storage of CO2 in saline aquifers is a promising method for reducing atmospheric CO2 concentration. For this aim, accurate modeling of CO2 sequestration into underground formations (saline aquifers) is required. In petroleum industry, normally this is achieved by using compositional reservoir simulators which is computationally expensive and time consuming. To overcome this, an accurate fluid model was coupled to a flow simulator to model CO2 sequestration in saline aquifers. Next, sensitivity analyses of thermodynamic properties (pressure, temperature and salinity) were done on some saline aquifers of Alberta basin, in Canada to investigate the effects of thermodynamics properties on CO2 dissolution in these aquifers. Results show that salinity has the strongest effect on CO2 dissolution in our studied aquifers compared to temperature and pressure effects. Results of this study enable us to assess the potential of each saline aquifer for CO2 storage and therefore help us in selecting suitable injection sites for CO2 sequestration.

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 enseignants0,627
Score d'incertitude au seuil0,157

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 Opus0,035
Tête enseignante GPT0,286
Écart entre enseignants0,251 · 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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedingsMême sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207