MétaCan
Menu
Retour à la cohorte
Enregistrement W1975970372 · doi:10.2118/162845-pa

The Use of Microseismicity To Understand Subsurface-Fracture Systems and To Increase the Effectiveness of Completions: Eagle Ford Shale, Texas

2013· article· en· W1975970372 sur OpenAlexaff
John P. Detring, Sherilyn Williams‐Stroud

Notice bibliographique

RevueSPE Reservoir Evaluation & Engineering · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensMicrosemi (Canada)
Organismes subventionnairesnon disponible
Mots-clésMicroseismGeologySeismologyHydraulic fracturingOil shaleFocal mechanismShale gasFracture (geology)TectonicsPetrologyPetroleum engineeringMining engineeringGeotechnical engineeringPaleontology

Résumé

récupéré en direct d'OpenAlex

Summary Existing natural fractures often have a significant impact on both the stimulation and the production of oil and gas wells. The effective exploitation of unconventional reservoirs requires understanding of the local tectonic history and the present-day stress regime. Signal strength; high-quality reflection seismic, microseismic imaging; and the moderate structural complexity of the liquids-rich gas and tight oil Eagle Ford Shale make it an excellent place to study hydraulic fracturing in tight rocks. Microseismic-monitoring results showed clear structural trends relating to the reactivation of existing faults and fractures, and rock-failure mechanisms determined through source mechanism inversion of events. These results provided critical information to the operator for optimizing the hydraulic-fracture design. Microseismic data collected by use of a surface array allowed the full geometry of the result to be viewed with no directional bias. The geometry of the microseismicity trends related to fracturing developed during the stimulation treatment was representative of the true geometry of the structure. The large aperture and wide azimuth of the monitoring array facilitated the determination of source mechanisms from every event detected, which provided full coverage of the focal sphere of each source mechanism. The events identified two different source mechanisms, indicating a failure mechanism for fractures that is different from that for reactivated faults. Microseismicity with a northeast/southwest (NE/SW) orientation is interpreted to be related to either induced or reactivated faults or fractures. Microseismicity also formed trends that are contiguous across more than one wellbore in an east-northeast/ west-southwest (ENE/WSW) direction. These trends are interpreted to have formed as a result of fault reactivation. Source mechanisms from fracturing parallel to SHmax have failure planes that strike NE/SW with normal dip-slip failure on steeply dipping planes. Those from fault reactivation have strike-slip failure on ENE/WSW-striking failure planes. The NE/SW-striking, dip-slip fractures are parallel to extensional Gulf of Mexico (GOM) growth faulting, and the ENE/WSW-striking, strike-slip faults are at an angle of approximately 25° to the dominant fracturing trends. Microseismicity trends associated with faults are used to project where faults will intersect adjacent wells. The identification of these faults in the reservoir by means of microseismic mapping allows operators to modify their treatment parameters and stage spacing to avoid geologic hazards. The operator combines the treatment-pump parameters for the wells with the additional structural understanding gained from the analysis of fracture trends and source mechanisms to identify zones that should be avoided in subsequent treatments. In addition, the mapped microseismicity provides critical information that was used to modify well spacing for subsequent wells, thereby optimizing the completion plan and dramatically cutting costs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,076
Score d'incertitude au seuil0,560

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,255
Écart entre enseignants0,221 · 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 tête enseignante, 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

Citations9
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Reservoir Evaluation & EngineeringMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207