Refining Discrete Fracture Networks With Surface Microseismic Mechanism Inversion and Mechanism-Driven Event Location
Notice bibliographique
Résumé
Abstract Microseismic event analysis is a valuable source of information that can play a pivotal role in optimizing well completion and spacing. This analysis can be taken a step further with the generation of discrete fracture networks (DFNs) from microseismic events. While DFNs can be modeled with microseismic event locations only, source mechanisms inverted from near surface-acquired microseismic data provide greater constraints for the DFN model so that the orientation of failure planes responsible for events can be explicitly assigned. The differences between such DFN realizations based on event locations only and source-mechanism constrained DFN realizations are evident in areas with significant geological complexity. Three iterations of a DFN model were produced from a microsesimic monitoring project in the Barnett shale. The fracture network of the first iteration is modeled stochastically using only basic geologic assumptions for the area and microseismic event locations and the orientations of trends formed by the events. The second iteration is refined by deterministically locating fractures in the model and defining the fracture orientations using a source mechanism determined from the microseismic point set. The third iteration uses the results from a mechanism scan on an event per event basis to determine the best source mechanism that fits the polarity reversal signature observed on the surface array. Refining the model by determining the mechanism of individual events can identify multiple fracture orientations within the point set. In this data set two distinct mechanisms were identified, further analysis of which identified separate event energy distributions for the two mechanisms. The changes in the model can be quantitatively evaluated with analysis of flow properties generated from the DFN and output to the stimulated reservoir volume (SRV). While changes in the SRV and total fracture volume for models presented in this study are most significant between the first two iterations, the total permeability change across the geocellular volume is significant between all three iterations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».