The effect of correlated permeability on spatiotemporal distribution of microseismic events in a conceptual model of fluid-induced seismicity
Notice bibliographique
Résumé
<p>Seismic hazard due to fluid invasion in hydraulic fracturing, wastewater disposal, and enhanced geothermal systems has become a concern for industry and nearby residents. One of the challenges associated with this seismic hazard is the estimation of the spatial effects of these industry operations. Based on a large set of real-world fluid-induced seismicity catalogs, it was recently found that the spatial decay of seismic activity with distance from injection wells exhibits two typical behaviors: short-range decay and long-range decay. The distinction between the two groups can be captured by the exponent in the seismicity density but the underlying origin remains unknown. Here, we introduce a novel conceptual model that not only can capture the observed frequency magnitude distribution of fluid-induced seismic events but also explains different spatial decay exponents observed. In particular, previous models of fluid-induced seismicity have assumed that the permeability and porosity field is either uniform or random and spatially uncorrelated. However, power-law scaling in the spatial frequency power spectrum of well-logs, S(k)∝1/k^β, has been observed for many different physical properties of rocks such as sonic velocity, porosity, and log(permeability). Our model takes advantage of this by introducing a spatially correlated field for porosity and permeability. Our analysis shows that increasing β can decrease the spatial decay exponent, leading to more seismic activity at larger distances from the injection site. In particular, our model explains the two different types of behavior in the spatial distribution of fluid-induced microseismic events as a consequence of different correlations in permeability.</p>
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».