Continuous hypocenter and source mechanism inversion via a Green's function-based matching pursuit algorithm
Notice bibliographique
Résumé
The hydraulic fracturing of rock formations bearing oil and gas is a process that aims to improve well productivity. The breaking of rocks releases seismic energy that is recorded by stations usually located in nearby wells. By processing these recordings, the hypocenters of induced microseismic events are retrieved and interpreted to estimate the fractured volume. Several techniques have been developed to determine hypocenters; the most common are based in the inversion of P- and S-wave time picks from multiple stations (Pujol, 2004). There are also procedures that involve, for example, the back propagation in time of the recorded wavefields (Gajewski and Tessmer, 2005). Besides the hypocenter location of microseismic events, there is additional information embedded in the seismic recordings: the source mechanism, which is expressed via the seismic moment tensor (SMT). Not as common as the estimation of the hypocenter location, the SMT of induced microseismic events is also estimated from monitoring records (e.g., Nolen-Hoeksema and Ruff, 2001; Jechumtalova and Eisner, 2008). The SMT provides an additional source of information for understanding the fracturing process. A quasi real-time system for simultaneous event location and SMT inversion can reduce the processing and interpretation turnaround times. More notably, such a system could facilitate a realistic integration of microseismic geophysical data to significant decisions that are made during engineering operations such as fracturing.
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 ».