Inversión sísmica estocástica para reducir el sesgo en el campo de porosidad simulada para la inyección de CO² en el yimiento Saint-Flavien, Quebec, Canadá
Bibliographic record
Abstract
La estimacion del volumen de poros disponible para los fluidos es de vital importancia cuando se evalua el potencial de un emplazamiento para el almacenamiento geologico de CO2. El cubo de impedancia acustica (IA), invertido a partir de la amplitud sismica, se utiliza para dirigir las simulaciones geoestadisticas de la porosidad. El uso de un cubo IA invertido mediante una aproximacion determinista genera un sesgo en la porosidad simulada del yacimiento Saint-Flavien, Quebec, Canada. La mala resolucion vertical de los datos sismicos genera una distribucion filtrada por paso bajo de la IA, donde no se pueden recuperar los valores extremos evaluados en las diagrafias de pozo. La inversion sismica estocastica (SSI, por sus siglas en ingles) permite una mejor recuperacion de todo el ancho de banda de la distribucion de la IA mediante la combinacion optima de la informacion de IA a partir de las amplitudes sismicas observadas y las diagrafias de IA. Los cubos de IA obtenidos mediante la SSI reproducen mejor la distribucion de la porosidad observada en las diagrafias de pozo. Esta metodologia es de importancia primordial en el contexto de Saint-Flavien, ya que la porosidad promedio es extremadamente baja y solo una fraccion del yacimiento muestra una porosidad mayor en la que seria posible la inyeccion de CO2. Las zonas de baja IA y alta porosidad, reconocidas por su elevado contenido en arcillas en los residuos de las perforaciones de pozos en la region de Saint-Flavien, solo se identifican cuando se utilizan cubos de IA de altas frecuencias obtenidos mediante la SSI.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".