MétaCan
Menu
Retour à la cohorte
Enregistrement W2750938690 · doi:10.3997/2214-4609.201701944

Feasibility Study of Time-lapse-seismic Monitoring of CO2 Sequestration

2017· article· en· W2750938690 sur OpenAlexaboutno aff
Marie Macquet, Don C. Lawton, J. Donags, J. Barraza

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyLithologySeismic to simulationBaseline (sea)Permeability (electromagnetism)Carbon sequestrationSeismologyVertical seismic profilePetroleum engineeringSeismic surveySeismic inversionPetrologyData assimilation

Résumé

récupéré en direct d'OpenAlex

Background studies are made prior to the beginning of the injection to ensure the security of the geological sequestration of CO2. In the CaMI.FRS site near Brooks, Alberta, numerous wells give the information about the lithology, the porosity, the permeability, the velocities (and others parameters) of the medium. In addition to logs data, seismic surveys were conducted in order to characterize the subsurface. After acquiring well logs information and baseline seismic surveys, we applied numerical simulations in order to characterize the feasibility of the time-lapse seismic monitoring. Indeed, once the injection begins, seismic survey will be made at regular intervals to monitor the CO2 injection. Fluid simulations allow us to work on synthetic models, but yet are close to what it is expected in the reality. We use Gassmann fluid substitution to obtain the elastic parameters (VP, VS and density) at different injection times (1 year after the beginning of the injection and 1 year after the end of the injection), for a 300m depth CO2 reservoir. In those 3D models, synthetic data are generated then processed. This work give us a good approximation of the feasibility of a time-lapse seismic monitoring, considering the conditions of CaMI.FRS project.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,054
Score d'incertitude au seuil0,999

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)0,0020,000

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 Opus0,052
Tête enseignante GPT0,331
Écart entre enseignants0,280 · 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.

Devis d'étudeObservationnel
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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207