Imaging the Aquistore reservoir after 36 kilotonnes of CO<sub>2</sub> injection using distributed acoustic sensing
Notice bibliographique
Résumé
Aquistore is a geologic [Formula: see text] storage project that is using a deep saline formation as a storage reservoir. From April 2015 to February 2016, approximately 36 kilotonnes of [Formula: see text] were injected into the reservoir at a depth of 3130–3350 m. We have developed an analysis of distributed acoustic sensing (DAS) 3D vertical seismic profiling data acquired in February 2016, marking the first seismic survey since injection began. The VSP data were processed in parallel with baseline preinjection data from a November 2013 survey, with the objective of detecting and characterizing the subsurface [Formula: see text] plume and evaluating the repeatability of DAS in a reservoir monitoring project. A single processing sequence was devised that (1) accurately imaged the reservoir for the baseline and monitor data and (2) attained adequate repeatability to observe time-lapse differences related to the presence of [Formula: see text]. Repeatability was somewhat compromised by the less advanced noise cancellation methodology of the DAS system used for the baseline survey. In the final cross-equalized migrated data volumes, normalized root-mean-square ([Formula: see text]rms) difference values of [Formula: see text] were attained at the reservoir level indicating good repeatability compared with most surface seismic studies. An injection-related amplitude anomaly with maximum [Formula: see text]rms values of approximately 0.7 is apparent in the Deadwood Formation of the reservoir, whereas no significant [Formula: see text]rms anomalies were observed near the injection and monitoring wells in the Black Island Member or above the reservoir.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».