MétaCan
Menu
Retour à la cohorte
Enregistrement W7117237476 · doi:10.1190/geo-2025-0370

Approximate 3D full-waveform inversion for rapid assessments of multiazimuth VSP data: Synthetic feasibility study for a carbon sequestration project

2025· article· en· W7117237476 sur OpenAlexaboutno aff
Anton H. Ziegon, Jinji Li, K. A. Innanen

Notice bibliographique

RevueGeophysics · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInversion (geology)PlumeCarbon sequestrationRobustness (evolution)Synthetic dataBenchmark (surveying)Interpolation (computer graphics)Consistency (knowledge bases)

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Within carbon sequestration projects, seismic full-waveform inversion (FWI) is a promising tool to monitor reservoir changes at the injection site. Rock heterogeneity can produce complex 3D plume structures that demand 3D FWI technology, which generally requires considerable computational efforts and run times and therefore has limited applicability for low-cost, rapid assessment of monitoring data. To mitigate the limitations of expensive 3D FWI, a pseudo-3D FWI procedure was proposed that achieves a reasonable trade-off between the quality of timelapse analysis and computational efficiency when applied to a synthetic imaging scenario modeled after the Carbon Management Canada Newell County Field Research Station (FRS) near Brooks, Alberta. Inversion of simulated multioffset, multiazimuth vertical seismic profiling data using the proposed method outperformed independent 2D FWI of separate source lines in terms of model consistency along the intersection, due to the underlying coupling of the model spaces. This justified an interpolation into a 3D volume that showed good agreement with 3D FWI results and true models, as containment within the reservoir layer and directionality of the plume were inferred accurately. The good performance of the pseudo-3D FWI approach can be traced back to minimal out-of-plane wave effects in this synthetic data set, which originated from the horizontally layered subsurface encountered at the FRS and modeled in this study. Furthermore, the results indicated improved robustness toward noise and source sparsity when compared to benchmark 3D FWI solutions, which showed elevated background variations with increasing source sparsity. However, because the pseudo-3D FWI procedure provides major computational benefits in comparison to full 3D FWI while providing satisfactory plume imaging in situations where out-of-plane wave effects in the data are minimal, there is value in the method within the frame of near real-time monitoring of carbon dioxide plumes at the FRS and potentially other carbon sequestration projects hosted in benign geologies.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,017
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,072
Tête enseignante GPT0,334
Écart entre enseignants0,262 · 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'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 revueGeophysicsMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207