MétaCan
Menu
← Retour à la cohorte
Enregistrement W4306249719 · doi:10.21203/rs.3.rs-2146588/v1

Early porosity generation in organic-sulfur-rich mudstones

2022· preprint· en· W4306249719 sur OpenAlexafffundabout
Levi J. Knapp, Omid H. Ardakani, Julito Reyes, Kazuaki Ishikawa

Notice bibliographique

RevueResearch Square · 2022
Typepreprint
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensGeological Survey of CanadaNatural Resources Canada
Organismes subventionnairesNatural Resources Canada
Mots-clésKerogenMaturity (psychological)PetrophysicsPorosityGeologyDiagenesisOrganic matterPyrolysisSource rockSulfurMineralogyTotal organic carbonDevonianGeochemistryChemistryEnvironmental chemistryOrganic chemistryPaleontologyGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract High organic sulfur (Sorg) content (i.e., Type IIS kerogen) is well known to significantly influence kerogen transformation but the effect of Sorg content on organic porosity evolution has rarely and indirectly been investigated. This study demonstrates that organic porosity is generated at lower thermal maturity in mudstones containing Type IIS kerogen relative to those with Type II kerogen. The implications of this work are relevant for the characterization of organic-rich mudstones as cap rocks, unconventional hydrocarbon reservoirs, and disposal reservoirs for CO2 or nuclear waste because pore systems control storage volumes and matrix fluid flow. Five thermally immature core samples were selected from three organic-rich mudstone units. In order of increasing Sorg content, the studied formations were the Late Devonian Duvernay Formation (Canada), middle late Miocene Onnagawa Formation (Japan), and early Jurassic Gordondale member of the Fernie Formation (Canada). Hydrous pyrolysis was used to artificially mature splits of the immature samples to 4 maturity stages, upon which petrophysical and organic geochemical properties were measured and compared to baseline immature samples.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,058
Tête enseignante GPT0,333
Écart entre enseignants0,275 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetHydrocarbon exploration and reservoir analysis→Travaux en français237 207→