MétaCan
Menu
Retour à la cohorte
Enregistrement W3126074197 · doi:10.3997/2214-4609.202011434

Three-Axis Borehole Gravity Feasibility Method and its Application to CO2 Storage Monitoring

2021· article· en· W3126074197 sur OpenAlexaboutno aff
Z. Du, Richard Krahenbuhl, Adrian Topham, Jeremy Lofts, Y. Li, Ashwin A. Seshia, Tony Espie

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWirelineBoreholeGravimeterGeologyPlumeGeophysicsPetroleum engineeringGeodesyGeotechnical engineeringEngineeringMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

Summary Geophysical monitoring of underground CO2 injection forms an important component of a carbon capture and storage program. Until recently, seismic methods were used to map the spreading of CO2 plume and are the dominant technique used for monitoring. However, there is a disadvantage in use of seismic whose relationship with fluid saturation are interpreted based on the empirical rock physics models using effective medium theory and often only known by statistical methods with large error bars. Gravity measurements have a unique advantage among many geophysical methods that the mass density change being detected by the gravity within a reservoir is directly and uniquely related to the dynamic fluid redistribution. In this paper the status of a program to develop a wireline deployable three-axis borehole gravity sensor with a target sensitivity of ~ 5 μ Gal is firstly introduced, using a resonant MEMS (Microelectromechanical systems) vibrating beam technology innovation. Followed by a feasibility study for monitoring of CO2 in a deep reservoir at the Aquistore storage site in Canada. We model and predict the gravity variation due to density changes during a period of CO2 injection. This study demonstrates the pre-survey feasibility modelling of the emerging field of timelapse gravity monitoring.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,093
Score d'incertitude au seuil0,540

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 Opus0,031
Tête enseignante GPT0,287
Écart entre enseignants0,256 · 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'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

Citations4
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSeismic Waves and AnalysisTravaux en français237 207