Effective anisotropic velocity model from surface monitoring of microseismic events
Notice bibliographique
Résumé
ABSTRACT We develop a methodology to obtain a consistent velocity model from calibration shots or microseismicity observed on a buried array. Using a layered 1D isotropic model derived from checkshots as an initial velocity model, we invert P‐wave arrival times to obtain effective anisotropic parameters with a vertical axis of symmetry (VTI). The nonlinear inversion uses iteration between linearized inversion for anisotropic parameters and origin times or depths, which is specific to microseismic monitoring. We apply this technique to multiple microseismic events from several treatments within a buried array. The joint inversion of selected events shows a largely reduced RMS error indicating that we can obtain robust estimates of anisotropic parameters, however we do not show improved source locations. For joint inversion of multiple microseismic events we obtained Thomsen anisotropic parameters ε of 0.15 and δ of 0.05, which are consistent with values observed in active seismic surveys. These values allow us to locate microseismic events from multiple hydraulic fracture treatments separated across thousands of metres with a single velocity model. As a result, we invert the effective anisotropy for the buried array region and are able to provide a more consistent microseismicity mapping for past and future hydraulic fracture stimulations.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».