Risk Evaluation and Management of CO2 Storage in the Bahrain Oil Field
Notice bibliographique
Résumé
Abstract This paper presents a risk-focused assessment of CO2 storage in the Mauddud reservoir of the Bahrain Oil Field, emphasizing subsurface uncertainty and technical risk management. A detailed geological model was constructed using core analysis, well log interpretation, and formation micro-imaging (FMI), with the secondary gas cap (248,000 acre-ft) identified as the primary containment unit for CO2 injection. A volumetric-based storage estimation was coupled with a Monte Carlo simulation using Oracle Crystal Ball, resulting in a mean CO2 storage potential of 37.57 million metric tons (MMt), with P10 = 26.88 MMt and P90 = 49.47 MMt. A sensitivity analysis, conducted using both rank correlation and a machine learning-based Random Forest model, revealed that storage efficiency, porosity, and formation volume factor were the dominant parameters influencing storage capacity, while irreducible water saturation exhibited minimal impact. A Bowtie risk assessment framework was used to identify and evaluate technical risks, including caprock integrity under pressure buildup, fault reactivation near injection zones, potential wellbore leakage due to aging completions, and uncontrolled plume migration. Targeted mitigation strategies such as zonal isolation, corrosion-resistant completions, and real-time pressure monitoring were proposed to address these risks. This integrated approach, combining probabilistic modeling, machine learning insights, and a structured risk evaluation framework, enhances confidence in safe, long-term CO2 storage and offers a replicable model for future carbon capture and storage (CCS) projects in similar carbonate 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».