MétaCan
Menu
Retour à la cohorte
Enregistrement W2584302127 · doi:10.1190/tle36020166.1

What moved where?: The impact of velocity uncertainty on microseismic location and moment-tensor inversion

2017· article· en· W2584302127 sur OpenAlexaff
Oleg V. Poliannikov, Alison Malcolm, Michael Fehler

Notice bibliographique

RevueThe Leading Edge · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMicroseismMoment tensorMoment (physics)Hydraulic fracturingInversion (geology)GeologyAmplitudeSeismologyGeodesyPhysicsPetroleum engineeringClassical mechanics

Résumé

récupéré en direct d'OpenAlex

With the rise of unconventional resources, microseismic monitoring is becoming increasingly important because of its cost-effectiveness. This has led to significant research activity on how best to locate events and characterize their moment tensors. Locations tell us where fracturing is occurring, allow the tracking of fluid movement, and fracture propagation. Moment tensors help to determine the type of failure occurring, which is beneficial in planning and interpreting the results of hydraulic-fracturing jobs and in monitoring production. The rising number of methods to determine parameters raises important questions about how uncertainties in the input parameters are translated into uncertainties in the final locations and moment tensors. We present a framework for assessing these uncertainties and use it to demonstrate how velocity uncertainty — as well as uncertainties in arrival times and amplitudes — translates into uncertainties on the recovered quantities of location and moment-tensor parameters.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,648
Score d'incertitude au seuil0,996

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 technologies0,0010,000
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 Opus0,027
Tête enseignante GPT0,276
Écart entre enseignants0,249 · 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'étudeObservationnel
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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Leading EdgeMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207