MétaCan
Menu
Retour à la cohorte
Enregistrement W4389560691 · doi:10.7185/gold2023.20885

Petrophysical properties of representative geological rocks encountered in effective carbon storage and utilization

2023· article· en· W4389560691 sur OpenAlexaboutno aff
Shengyu Yang, Tao Zhang, Qinhong Hu, Qiming Wang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPetrophysicsGeologyPetroleum engineeringCarbon fibersPetrologyMining engineeringGeotechnical engineeringMaterials sciencePorosityComposite material

Résumé

récupéré en direct d'OpenAlex

Under studies for nearly 20 years, several different kinds of subsurface lithologies, such as deep saline aquifers, depleted oil and gas reservoirs, non-minable coal seams, geothermal reservoirs, organic-rich shale, and basalt, can be candidates for permanent CO 2 geological storage processes, in a broad context of carbon capture, utilization, and storage (CCUS).These systems commonly need effective reservoirs (sandstones, carbonates) for large-volume storage (e.g., effective porosity) and impermeable cap rock (mudrocks and salt rock) for containment (e.g., permeability, diffusivity).This work studies 10+ representative rock samples from typical geological formations encountered at CCUS, such as Berea sandstone, Crab Orchard sandstone, Guelph dolomite, and Indiana limestone (as depleted sandstone or carbonate oil/gas reservoirs & saline aquifers) with Woodford claystone and Himalayan salt rock as cap rocks.Haynesville Shale, Sihe coal, Texas basalt, and Sierra white granite were also used to study the storage and utilization in shales, coal seams, and basalt formations, as well as enhanced geothermal systems.The important petrophysical attributes (properties of rocks and fluids, as well as fluid-rock interactions) for this wide range of geological rocks are not available or sufficiently studied with respect to different methodologies, vast lithological difference, and sample scale effect, with a particular focus on how microscopic pore structure (especially pore connectivity) influences macroscopic fluid flow and chemical transport [1].In conjuction with a set of complementary approaches for pore structure characterization (such as small angle neutron/X-ray scattering), this work utilizes several custom designed apparatuses (e.g., gas diffusion) to provide the essential information of CO 2 diffusivity and tortuosity of natural rocks, in the presence of other gases (CH 4 , H 2 , and O 2 ), in assessing the effectiveness of CCUS in typical gological formations [2].

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

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
Bibliométrie0,0020,001
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 Opus0,034
Tête enseignante GPT0,282
Écart entre enseignants0,248 · 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'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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207