Reservoir Characterization to Optimize CO2 Injection
Notice bibliographique
Résumé
Abstract Carbon capture, utilization, and storage (CCUS) projects require detailed reservoir characterization to ensure safe and effective CO2 injection. This study focuses on the Triassic Baldonnel Formation in western Canada as a target for CO2 sequestration. We applied a deterministic Amplitude-Versus-Offset (AVO) seismic inversion using a three-term Aki–Richards linear approximation (Aki and Richards, 1980) to obtain elastic properties in the Baldonnel. Comprehensive seismic data conditioning (including azimuthal alignment, amplitude balancing, and bandpass filtering) was performed to improve inversion fidelity. A robust low-frequency model (LFM) was built by integrating one key well log with seismic processing velocities, adjusted via time shifts obtained from the alignment. Then, a rock physics inversion was conducted using a regression-based model constrained by theoretical bounds (Voigt, Reuss, and Hashin–Shtrikman limits) and multi-mineral fluid substitution using Gassmann’s equation. The rock physics model was calibrated explicitly for the Baldonnel formation’s mixed lithology consisting primarily of dolomite and limestone with clay and siltstone interbeds. The inversion predicts spatial distributions of porosity and mineral fractions (clay, calcite, dolomite) across the reservoir, which serve as critical inputs for reservoir modeling and simulation. Results reveal that higher porosity zones in the Baldonnel are laterally continuous where dolomitization is prevalent, whereas deeper intervals lack significant porosity. A horizontal CO2 injector well drilled post-inversion confirmed the absence of high porosities in the lower Baldonnel, validating the inversion’s predictions. The operator is currently injecting ~40 tonnes of CO2 per day into the Baldonnel and plans to scale up to ~500 tonnes/day in the near future. Our study provides valuable insights into using deterministic seismic inversion for CCUS: by integrating rock physics and inversion products into dynamic models, we optimize injectivity and storage capacity while ensuring containment. New porosity maps based on this workflow demonstrate significantly improved reservoir characterization when seismic inversion is incorporated, compared to maps derived only from available well control. These outcomes underline the impact of advanced geophysical workflows on CO2 injection planning and set a precedent for CCUS best practices in similar reservoirs.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 0,000 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».