MétaCan
Menu
Retour à la cohorte
Enregistrement W2747931890 · doi:10.1016/j.egypro.2017.03.1844

Identification of a Minimum Dataset for CO2-EOR Monitoring at Weyburn, Canada

2017· article· en· W2747931890 sur OpenAlexfundaboutno aff
Jean‐Philippe Nicot, Alexander Y. Sun, Shuang Gao, H.R. Lashgari

Notice bibliographique

RevueEnergy Procedia · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesNational Energy Technology LaboratoryPetroleum Technology Research Centre
Mots-clésIdentification (biology)Petroleum engineeringData miningComputer scienceData collectionGeologyStatistics

Résumé

récupéré en direct d'OpenAlex

CO2 leakage at geological carbon storage (GCS) sites, driven by increased system pressure and higher CO2 saturations, represents a major risk to secure containment of injected CO2. For long-term GCS monitoring, it is critical to determine a level of material information needed to minimize leakage risks while keeping costs under control. This study demonstrates a goal-oriented, retrospective design concept called minimum data set requirement (MDR) for the Weyburn-Midale Project (WMP), a commercial-scale, CO2-injection enhanced oil recovery site in Canada that has been extensively characterized for R & D purposes. More than a decade of research at the WMP site has led to an extensive collection of site characterization data (thousands of wells with geophysical logs and cores, seismic surveys), a situation that is unlikely to be true for many other GCS projects around the world. The main purpose of this study is to perform a retrospective design of the WMP to identify the MDR. By screening existing data retrospectively, our MDR identification process seeks to establish a level of data needed to define a sufficient reservoir model for guiding post-EOR monitoring, under user-defined performance metrics. Our starting point is an existing history-matched WMP reservoir model and three datasets consisting of logs from hundreds of wells and seismic survey. An iterative Monte Carlos approach is taken here to systematically and gradually reduce the level of information used in parameterizing a geological model, from which conditional stochastic realizations of model properties are generated and simplified reservoir models are developed. Results show that (a) the minimum dataset for predicting CO2 migration depends on the heterogeneity and anisotropy of selected parameters of the field, (b) parameterization scheme for data reduction should be flexible and also objective oriented and problem dependent, and (c) for the Phase 1A area of the Weyburn field about 80% out of the 403 wells can be eliminated without having detrimental impact on the simulated pressure field.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,448
Score d'incertitude au seuil0,665

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 GPT0,277
Écart entre enseignants0,258 · 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
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnergy ProcediaMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207