MétaCan
Menu
← Retour à la cohorte
Enregistrement W3035142191 · doi:10.3997/2214-4609.2019x604043

Timelapse DAS VSP Viscoelastic FWI for CO2 Monitoring

2019· article· en· W3035142191 sur OpenAlexaff
Marwan Charara, Christophe Barnes, Terry Tsuchiya, Nobuto Yamada

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensGlycemic Index Laboratories
Organismes subventionnairesnon disponible
Mots-clésAttenuationGeologyBoreholeViscoelasticityVertical seismic profileShear modulusSaturation (graph theory)Offset (computer science)Inversion (geology)Bulk modulusIgneous petrologyShear (geology)SeismologyAcousticsGeotechnical engineeringEngineering geologyMaterials sciencePetrologyPhysicsComputer scienceVolcanismOptics

Résumé

récupéré en direct d'OpenAlex

Summary Changes in reservoir properties resulting from the CO2 injection and migration can be monitored using time-lapse seismic data. Conventional analysis gives only qualitative information about the changes of the acoustic impedance contrasts in the reservoir. In order to differentiate the pore-pressure from CO2 saturation effects, it is necessary to evaluate the changes in the elastic properties. Borehole seismic data contain strong converted shear waves at the level of the reservoir that will allow determining S-velocity changes. FWI is an appropriate method to estimate elastic parameters. As CO2 saturation increases in the reservoir, P-waves undergo strong attenuation. Hence, it is necessary to estimate as well the bulk modulus Q-factor Q k . We demonstrate the feasibility of timelapse multi-Offset DAS VSP inversion for CO2 sequestration monitoring, by inverting synthetic seismic data based on a virtual CO2 injection site study. The timelapse FWI recovers P-wave and S-wave velocities for the baseline model; and, the perturbations of the velocity models associated to 3 years of CO2 injection are also well recovered for a distance of a few hundreds of meters from the well. The bulk modulus Q-factor Q k is not well recovered but it is needed for the correct estimation of the velocity models.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,013
Tête enseignante GPT0,244
Écart entre enseignants0,231 · 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 source (Gemma direct ou Codex distillé), 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
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSeismic Imaging and Inversion Techniques→Travaux en français237 207→