ASSESSMENT OF SEAL INTEGRITY FOR CO2 STORAGE INTEGRATED SEISMIC AND AI-DRIVEN GEOMECHANICAL ANALYSIS. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF (ASSESSMENT OF SEAL INTEGRITY FOR CO2 STORAGE INTEGRATED SEISMIC AND AI-DRIVEN GEOMECHANICAL ANALYSIS) 1 ASSESSMENT OF SEAL INTEGRITY FOR CO2 STORAGE INTEGRATED SEISMIC AND AI-DRIVEN GEOMECHANICAL ANALYSIS.pdf - Published Version Restricted to Repository staff only until 12 October 2026. Download (10MB)

Arabic Abstract

تعتمد دراسة خصائص السدود في مشاريع احتجاز وتخزين الكربون (CCS) على التحديد الدقيق للواجهات الجيوميكانيكية، والتي توفر رؤى أساسية حول سلامة السدود وسلوكها والمسارات المحتملة لتسرب ثاني أكسيد الكربون المحقون. تواجه الطرق التقليدية تحديات في هذا التحليل متعدد المتغيرات، حيث تتطلب دمج البيانات الجيوميكانيكية والبتروفيزيائية والجيوفيزيائية. تشمل بعض هذه التحديات استقرار الصخور الغطائية ميكانيكياً، حيث يمكن أن يؤدي ارتفاع الضغط الناتج عن حقن ثاني أكسيد الكربون إلى تجاوز المستويات الطبيعية للضغط، مما قد يهدد استقرار الصخور الغطائية عن طريق تغيير خصائص مثل المسامية والمرونة والقوة. بالإضافة إلى ذلك، تؤدي تفاعلات ثاني أكسيد الكربون مع المحلول الملحي والصخور الغطائية إلى حدوث تفاعلات كيميائية مع حمض الكربونيك والمعادن الموجودة في الصخور، مما قد يؤدي إلى إضعافها أو تغيير خصائصها. تنعكس كل هذه التحديات في التغيرات الحاصلة في الواجهات الجيوميكانيكية. في هذه الدراسة، نستخدم بيانات تسجيل الآبار والبيانات الزلزالية رباعية الأبعاد من مشروع Sleipner CCS في بحر الشمال. يركز بحثنا على مجموعة نورلاند، وهي تسلسل من الطَّفَل الصفحي والرمال الصفحية التي تعمل كحاجز أساسي لاحتجاز ثاني أكسيد الكربون. تمتد هذه المجموعة على سماكة تتراوح بين 800 إلى 1000 متر في بيئة مائية عميقة نسبيًا، وتوجد فوق موقع تخزين ثاني أكسيد الكربون المعروف باسم تكوين Utsira. لضمان دقة التنبؤ والموثوقية في نتائج تخزين ثاني أكسيد الكربون طويل الأمد في مجموعة نورلاند، نقوم بدمج البيانات الجيوفيزيائية وبيانات تسجيل الآبار والبيانات الزلزالية. يركز التحليل التفصيلي على خصائص الصخور الغطائية في مجموعة نورلاند ودورها في احتجاز ثاني أكسيد الكربون، مع معالجة المسارات المحتملة للهروب من أجل تعزيز أمان عملية احتجاز الكربون فوق تكوين Utsira. علاوة على ذلك، تسهم تطبيقات التعلم الآلي التلقائي (AutoML) في تصنيف الواجهات الجيوميكانيكية وتحسين أساليب التحليل التقليدي متعدد المتغيرات، مما يعزز دقة تصنيف الواجهات في خزانات احتجاز وتخزين الكربون. تشير النتائج الأولية لهذه الدراسة إلى تغير في الخصائص الميكانيكية للصخور المجاورة لموقع الحقن، وهو ما يتجلى في التغيرات الحاصلة في مقاومة الصوت، والكثافة، والمعاملات المرنة. نقترح دمج هذه المتغيرات باستخدام الأساليب الإحصائية، والتعلم الآلي التقليدي، وتقنيات AutoML لتحديد هذه التغيرات وتصنيفها خلال فترة الحقن.

English Abstract

The characterization of seals in Carbon Capture and Storage (CCS) projects hinges on the accurate determination of geomechanical facies, which provide essential insights into seal integrity, behavior, and potential leakage pathways for the injected CO₂. Traditional methods face challenges in this multivariate analysis, which integrates geomechanical, petrophysical, and geophysical data. Some of these challenges are related to caprock mechanical stability, as the increase in pressure from CO₂ injection can exceed natural pressure levels, potentially compromising the caprock’s stability by altering properties such as porosity, elasticity, and strength. Additionally, CO₂-brine-caprock interactions involve chemical reactions with carbonic acid and minerals in the caprock, which can weaken or alter its properties. All of these challenges can be reflected in geomechanical facies variability. In this study, we utilize well-log data and 4D seismic data from a Sleipner CCS project, North Sea. Our focus is on the Nordland Group, a sequence of interlayered shales and shaly sands that acts as a dominant seal for trapping CO₂. This group spans a thickness of 800 to 1000 meters in a relatively deep-water setting, positioned above the established CO₂ storage site, the Utsira Formation. To enhance prediction accuracy and ensure robust, reliable results for long-term CO₂ storage and confinement in the Nordland Group, we integrate geophysical, well log, and seismic data. A detailed analysis of the Nordland Group's caprock characteristics focuses on its role in CO₂ retention and addresses potential escape routes to improve the security of carbon sequestration above the Utsira Formation. Additionally, the application of AutoML facilitates the classification of geomechanical facies and optimizes traditional multivariate analysis methods, thereby enhancing the accuracy of facies classification in CCS reservoirs. The initial results of this research indicate a change in the mechanical properties of rocks adjacent to the injection site, evidenced by variations in acoustic impedance, density, and elastic moduli. We propose integrating these variables using statistical methods, conventional machine learning, and AutoML to identify and classify these changes over the course of the injection period.

Item Type:	Thesis (Masters)
Subjects:	Earth Sciences
Department:	College of Petroleum Engineering and Geosciences > Geosciences
Committee Advisor:	Koeshidayatullah, Ardiansyah Ibnu
Committee Members:	Fawad, Manzar and Al Ibrahim, Mustafa A
Depositing User:	JESUS BECERRA (g202315790)
Date Deposited:	13 Oct 2025 05:31
Last Modified:	13 Oct 2025 05:31
URI:	http://eprints.kfupm.edu.sa/id/eprint/143725