Seismic reservoir characterization of the Gassum Formation in the Stenlille aquifer gas storage, Denmark — Part 1
Notice bibliographique
Résumé
Abstract Seismic reservoir characterization plays an important role in carbon capture and storage analysis. The Havnsø anticlinal structure in Denmark is a prospective CO2 storage site due to its proximity to two large emission sources—a coal-fired power station and a nearby refinery. Although legacy 2D seismic lines over the area outline the anticlinal structure, their quality is insufficient for quantitative interpretation. Earlier studies have shown that the natural gas stored in the Stenlille aquifer exhibits a seismic response similar to the modeled CO2 fluid in the Havnsø structure. Thus, seismic reservoir characterization carried out on the Stenlille aquifer gas storage in terms of identifying spatial distribution of gas and outlining faults would provide insight regarding value addition that seismic data can bring into the proposed CO2 storage at Havnsø. Using the available poststack seismic data, we apply an integrated reservoir characterization analysis. After performing the adequate data conditioning, the impedance of the target Stenlille Formation is estimated through generation of an accurate low-frequency model. Thereafter, multiattribute analysis was used to generate volumetric estimates of porosity, gamma ray, and water saturation within the target formation so that the spatial distribution of gas can be mapped. The resulting porosity and gamma-ray volumes indicate encouraging results and were used for Bayesian classification to predict the probability of the more important lithofacies, namely, sand, shale, moderate-porosity sand, and moderate-porosity shaly sand, which enabled the mapping of high-porosity/facies zones in the two aquifer storage levels. Independently, we make use of unsupervised machine learning applications for seismic facies prediction and compare them at the two storage levels, which will be presented in the part 2 of this paper.
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 | 0,001 | 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 | 0,000 | 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) | 0,001 | 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 ».