Estimating tilted fracture weaknesses from azimuthal differences in seismic amplitude data
Notice bibliographique
Résumé
Abstract Tilted transverse isotropy (TTI) provides a useful model for the elastic response of a medium containing aligned fractures with a symmetry axis oriented obliquely in the vertical and horizontal coordinate directions. Robust methods for determining the TTI properties of a medium from seismic observations to characterize fractures are sought. Azimuthal differencing of seismic amplitude data produces quantities that are particularly sensitive to TTI properties. Based on the linear slip fracture model, we express the TTI stiffness matrix in terms of the normal and tangential fracture weaknesses. Perturbing stiffness parameters to simulate an interface separating an isotropic medium and a TTI medium, we derive a linearized P-to-P reflection coefficient expression in which the influence of tilt angle and fracture weaknesses separately emerge. We formulate a Bayesian inversion approach in which amplitude differences between seismic data along two azimuths, interpreted in terms of the reflection coefficient approximation, are used to determine fracture weaknesses and tilt angle. Tests with simulated data confirm that the unknown parameter vector involving fracture weakness and tilted fracture weaknesses is stably estimated from seismic data containing a moderate degree of additive Gaussian noise. The inversion approach is applied to a field surface seismic data acquired over a fractured reservoir; from it, interpretable tilted fracture weaknesses, consistent with expected reservoir geology, are obtained. We determine that our inversion approach and the established inversion workflow can produce the properties of systems of tilted fractures stably using azimuthal seismic amplitude differences, which may add important information for characterization of fractured reservoirs.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».