Role of fracture opening in triggering microseismicity observed during hydraulic fracturing
Notice bibliographique
Résumé
ABSTRACT Hydraulic fracturing in low-permeability hydrocarbon reservoirs creates/reactivates a fracture network leading to microseismic events. We have developed a simplified model of the evolution of the microseismic cloud based on the opening of a planar fracture cavity and its effect on elastic stresses and pore pressure diffusion during fluid injection in hydraulic fracturing treatments. Using a material balance equation, we compute the crack tip propagation over time assuming that the hydraulic fracture is shaped as a single penny-shaped cavity. Results indicate that in low-permeability formations, the crack tip propagates much faster than the pore pressure diffusion front thereby triggering the microseismic events farthest from the injection domain at any given time during fluid injection. We use the crack tip propagation to explain the triggering front observed in distance versus time plots of published microseismic data examples from hydraulic fracturing treatments of low-permeability hydrocarbon reservoirs. We conclude that attributing the location of the microseismic triggering front purely to pore pressure diffusion from the injection point may lead to incorrect estimates of the hydraulic diffusivity by multiple orders of magnitude for low-permeability formations. Moreover, the opening of the fracture cavity creates stress shadow zones perpendicular to the principal fracture walls in which microseismic triggering due to the elastic stress perturbations is suppressed. Microseismic triggering in this stress shadow region may be attributed mainly to pore pressure diffusion. We use the width, instead of the longest size, of the microseismic cloud to obtain an enhanced diffusivity measure, which may be useful for subsequent production simulations.
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) | 0,001 | 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 | 0,001 |
| 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 ».