MétaCan
Menu
Retour à la cohorte
Enregistrement W4410577368 · doi:10.1071/ep24260

Towards an improved understanding of fault systems behaviour in a CCS project

2025· article· en· W4410577368 sur OpenAlexaff
Ludovic Ricard, Ziqiu Xue, J. Dautriat, Tsutomu Hashimoto

Notice bibliographique

RevueAustralian Energy Producers journal. · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensKensington Health
Organismes subventionnairesnon disponible
Mots-clésFault (geology)Computer scienceSystems engineeringProcess managementRisk analysis (engineering)EngineeringBusinessGeologySeismology

Résumé

récupéré en direct d'OpenAlex

A key uncertainty when investigating potential carbon capture and storage (CCS) projects is the role of faults and their interactions with the injected CO2. While it is anticipated that CCS projects will, at least in the short-term, focus on avoiding the interaction between the injected CO2 and fault systems, the likelihood of a storage projects encountering a fault system would increase, as the number of storage projects increases. While faults have been significantly studied for petroleum production, the role of faults for CCS projects is yet to be better understood: friend or foe? In the later context, analytical and desktop studies have been performed, yet limited understanding exists at pilot scale. In this work, we focus on field scale investigation at the CSIRO In-Situ Laboratory research facility (ISL), Western Australia, where an extensive fault system, the F10 fault, has been drilled through. A shallow CO2 controlled release test suggested that the fault did not significantly affect CO2 migration. More recently, two new 2D seismic lines were acquired and existing 3D seismic survey was reprocessed in 2023 and the Harvey 6 well intersecting fully the fault was drilled in March 2024. In March 2025, a vertical injection well will be drilled with the intent to inject fluid into the fault. This new data provides great insights on the fault structure and the planning of a deeper injection experiment which is discussed.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,795

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0000,000

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 Opus0,050
Tête enseignante GPT0,319
Écart entre enseignants0,269 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Energy Producers journal.Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207