MétaCan
Menu
Retour à la cohorte
Enregistrement W4291743722 · doi:10.1190/image2022-3745280.1

Predicting the time-evolution of CO2 saturation through a combination of rock physics and full-waveform inversion

2022· article· en· W4291743722 sur OpenAlexaff
Qi Hu, Darío Graña, K. A. Innanen

Notice bibliographique

RevueSecond International Meeting for Applied Geoscience & Energy · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInversion (geology)Saturation (graph theory)WaveformGeologyPhysicsComputational physicsComputer scienceGeophysicsSeismologyMathematicsTelecommunications

Résumé

récupéré en direct d'OpenAlex

Carbon capture and storage is a viable greenhouse gas mitigation technology. Monitoring of CO2 should, in addition to locating the plume, provide quantitative information on CO2 saturation. We propose a full waveform inversion (FWI) algorithm for the prediction of the spatial distribution of CO2 saturation from time-lapse seismic data. The methodology is based on the application of a rock-physics parameterized FWI scheme that allows for direct updating of reservoir properties. We derive porosity and lithology parameters from baseline data and use them as input to predict CO2 saturation from monitor data. The method is tested on synthetic time-lapse data generated for the Johansen formation model. We show that both the errors in baseline model estimates and the errors in monitor data could compromise the recovered CO2 saturation model. We propose to use the Tikhonov regularization that encourages solution smoothness to help the convergence towards geologically realistic 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 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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,338

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,207
Écart entre enseignants0,196 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSecond International Meeting for Applied Geoscience & EnergyMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207