MétaCan
Menu
← Retour à la cohorte
Enregistrement W7162324203 · doi:10.3997/2214-4609.2025101310

Estimating Injection-Induced Vp Changes using Cross-Well Seismic Full-Waveform Inversion at the Aquistore CO2 Storage Site, Canada

2025· article· W7162324203 sur OpenAlexaffabout
A. Mardan, D. White, G. Fabien-Ouellet, Z. Movahedzadeh

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensPolytechnique MontréalPetroleum Technology Research CentreGeological Survey of Canada
Organismes subventionnairesnon disponible
Mots-clésInversion (geology)Inverse theorySeismic inversionGlobal Positioning System

Résumé

récupéré en direct d'OpenAlex

Summary Carbon capture and storage (CCS) is accepted as an important means of reducing carbon dioxide (CO2) release into the atmosphere. Different time-lapse seismic imaging methods with various resolutions can track the extent of the CO2 plume. Full-waveform inversion (FWI) of seismic data provides high-resolution seismic velocity models. Although time-lapse full-waveform inversion (TL-FWI) has shown potential for monitoring the subsurface, it is more complex than classic FWI. This is because the time-lapse changes are usually limited in terms of extent and magnitude. There are also different sources of non-repeatability (NR) between the baseline (BL) and monitor acquisitions. In this study, we apply TL-FWI to crosswell seismic data acquired at the Aquistore site in Saskatchewan, Canada, after the injection of more than 390,000 tonnes of CO2. The objective of this study is to analyze the efficiency of TL-FWI for detecting velocity variations due to the injected CO2. While there are different sources of NR in this study, the employed technique can identify the injection zones. This shows the potential of FWI for estimating the velocity changes at this site.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,198

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,018
Tête enseignante GPT0,243
Écart entre enseignants0,225 · 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'étudeObservationnel
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 sujetSeismic Imaging and Inversion Techniques→Travaux en français237 207→