MétaCan
Menu
Retour à la cohorte
Enregistrement W2206363546 · doi:10.1190/geo2014-0374.1

Bayesian inversion of pressure diffusivity from microseismicity

2015· article· en· W2206363546 sur OpenAlexaff
Oleg V. Poliannikov, Michael Prange, Hugues Djikpéssé, Alison Malcolm, Michael Fehler

Notice bibliographique

RevueGeophysics · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesDivision of Mathematical SciencesNational Science Foundation
Mots-clésMicroseismGeologyHydraulic fracturingInversion (geology)Probabilistic logicFluid dynamicsFluid pressureUncertainty quantificationSeismologyPetroleum engineeringComputer scienceMechanicsMachine learningTectonics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT We have considered the problem of using microseismic data to characterize the flow of injected fluid during hydraulic fracturing. We have developed a simple probabilistic physical model that directly ties the fluid pressure in the subsurface during the injection to observations of induced microseismicity. This tractable model includes key physical parameters that affect fluid pressure, rock failure, and seismic wave propagation. It is also amenable to a rigorous uncertainty quantification analysis of the forward model and the inversion. We have used this probabilistic rock failure model to invert for fluid pressure during injection from synthetically generated microseismicity and to quantify the uncertainty of this inversion. The results of our analysis can be used to assess the effectiveness of microseismic monitoring in a given experiment and even to suggest ways to improve the quality and value of monitoring.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,092
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,008
Tête enseignante GPT0,193
Écart entre enseignants0,185 · 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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysicsMême sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207