MétaCan
Menu
Retour à la cohorte
Enregistrement W7162292488 · doi:10.3997/2214-4609.202522008

Cost Sensitivity Analysis for Geological CO2 Storage at SW Ontario

2025· article· W7162292488 sur OpenAlexaffabout
M. Baghmolaei, R. Lefebvre

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEnvironmental Science
ThématiqueCO2 Sequestration and Geologic Interactions
Établissements canadiensUniversity of OttawaNatural Resources CanadaNatural Sciences and Engineering Research Council of Canada
Organismes subventionnairesnon disponible
Mots-clésSensitivity (control systems)Cost estimateWork (physics)Production (economics)Cost analysis

Résumé

récupéré en direct d'OpenAlex

Summary This study explores the cost sensitivity of geological CO2 storage in Southwestern Ontario, an area identified for its potential to support Canada’s carbon reduction targets under the Net-Zero Emissions Accountability Act. Combining reservoir simulation results with a review of cost models, the analysis evaluates eight cost estimation frameworks. The models were optimized against a validation benchmark based on Smith et al. (2021) . Among them, McCollum & Ogden’s model (2006) demonstrated the highest predictive accuracy, as confirmed by regression and error analysis. Sensitivity analysis using Taguchi and ANOVA methods revealed that well depth has minimal cost impact within the studied area, while the number of wells has a moderate influence. Conversely, mass flow rate significantly affects total costs, with higher rates reducing expenses, underscoring its importance in optimizing cost-efficiency. These findings provide insights into the financial feasibility of CO2 storage in the region and highlight the need for tailored cost models to account for local geological and operational variations. This study serves as a foundational resource for decision-makers aiming to advance sustainable CCUS implementation in Southwestern Ontario.

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)0,004
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 enseignants0,285
Score d'incertitude au seuil0,574

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,037
Tête enseignante GPT0,296
Écart entre enseignants0,259 · 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'admission2
Résumé présentoui

Explorer davantage

Même sujetCO2 Sequestration and Geologic InteractionsTravaux en français237 207