Unlocking ultra-high-density seismic for CCUS applications by combining nimble nodes and agile source technologies
Notice bibliographique
Résumé
Abstract In the quest for denser, nimbler, and lower-cost seismic surveys, the industry is seeing a revolution in the miniaturization of seismic equipment, with autonomous nodes approaching the size of a geophone and sources becoming portable by crews on foot. This has created a paradigm shift in the way seismic is acquired in difficult terrains, making zero-environmental-footprint surveys a reality while reducing cost and health, safety, and environmental risk. The simplification of survey operation and the new entry price of seismic surveys unlocked by these technologies are already benefiting industries beyond oil and gas exploration. High trace density seismic has become accessible to industries playing a key role in the net-zero era, such as geothermal and carbon capture, utilization, and storage (CCUS), to which a good understanding of the subsurface geology is crucial to their success. We describe these benefits as observed during an ultra-high-density seismic survey acquired in June 2020 through a partnership between STRYDE, Explor, and Carbon Management Canada over the Containment and Monitoring Institute site. The smallest and lightest source and receiver equipment in the industry were used to achieve a trace density of 257 million traces/km2 over this test site dedicated to CCUS studies. We discuss the operational efficiency of the seismic acquisition, innovative techniques for data transfer and surveying, and preliminary results of the seismic data processing with a focus on the near-surface model and fast-track time migration.
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 ».