Uncertainty Quantification Through the Assimilation of CO2 Plume Size from 4D Seismic Survey
Notice bibliographique
Résumé
Abstract Geological models of saline aquifers used for CO2 storage inherently involve uncertainties due to limited data. This requires innovative approaches to quantify the impact of geological uncertainties on CO2 plume size and monitoring strategies. To address this issue, data assimilation and history matching have been widely employed. These approaches use diverse measurement, monitoring and verification (MMV) data such as pressure measurements, saturation logs, and surface monitoring data to reduce uncertainties associated with simulations. However, in carbon storage, 4D time-lapse seismic images are crucial and can provide valuable input for assessing uncertainties in CO2 storage models by providing estimates of CO2 plume migration at certain time intervals. In this study, a methodology is proposed to quantify the uncertainties in geological models for CO2 storage by the assimilation of CO2 plume size data derived from 4D seismic images taken at different injection periods. To consider a wide range of uncertainties, data-driven proxy models are developed using high-fidelity coupled reservoir-geomechanics simulations data to overcome the prohibitive computational issues on numerous realizations (>1000). The trained proxy models are used to forecast the CO2 plume size at multiple time intervals for a large sample of newly generated geomodels. A sample rejection procedure is implemented to quantify uncertainty and filter consistent, or history-matched geological realizations. The proposed workflow is implemented for an existing geological CO2 storage site in Western Canada. The proxy model is not only capable of predicting CO2 plume evolution with high accuracy but also shows a notable computational time reduction. A considerable reduction in geological model uncertainty is achieved using the proposed methodology. Among the 10,000 geological realizations, only 926 realizations are accepted as posterior models. The uncertainty quantification method proposed in this study effectively addresses geological model uncertainties based on available seismic survey and provides valuable insights into consideration of the geological uncertainty in CO2 storage modeling and design of MMV program for CO2 storage projects.
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 | 0,000 | 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) | 0,014 | 0,001 |
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 ».