MétaCan
Menu
Retour à la cohorte
Enregistrement W3043462226 · doi:10.1785/0120200107

A Long-Lived Swarm of Hydraulic Fracturing-Induced Seismicity Provides Evidence for Aseismic Slip

2020· article· en· W3043462226 sur OpenAlexaff
Thomas S. Eyre, Megan Zecevic, Rebecca O. Salvage, David W. Eaton

Notice bibliographique

RevueBulletin of the Seismological Society of America · 2020
Typearticle
Langueen
DomaineEarth and Planetary Sciences
Thématiqueearthquake and tectonic studies
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésInduced seismicityGeologyHypocenterHydraulic fracturingAftershockSeismologySlip (aerodynamics)Pore water pressureFluid pressureOverpressureFluid dynamicsGeotechnical engineeringMechanicsEngineering

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Seismic swarms are defined as an increase in seismicity that does not show a clear mainshock–aftershock sequence. Typically, swarms are primarily associated with either fluid migration or slow earthquakes (aseismic slip). In this study, we analyze a swarm induced by hydraulic fracturing (HF) that persisted for an unusually long duration of more than 10 months. Swarms ascribed to fluid injection are usually characterized by an expanding seismicity front; in this case, however, characteristics such as a relatively steady seismicity rate over time and lack of hypocenter migration cannot be readily explained by a fluid-diffusion model. Here, we show that a different model for HF-induced seismicity, wherein an unstable region of a fault is loaded by proximal, pore-pressure-driven aseismic slip, better explains our observations. According to this model, the steady seismicity rate can be explained by a steady slip velocity, while the spatial stationarity of the event distribution is due to lateral confinement of the creeping region of the fault with increased pore pressure. Our results may have important implications for other induced or natural seismic swarms, which could be similarly explained by aseismic loading of asperities driven by fluid overpressure rather than the often-attributed fluid-migration model.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,071
Tête enseignante GPT0,262
Écart entre enseignants0,191 · 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

Citations40
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBulletin of the Seismological Society of AmericaMême sujetearthquake and tectonic studiesTravaux en français237 207