Large‐Scale Fracture Systems Are Permeable Pathways for Fault Activation During Hydraulic Fracturing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Induced seismicity due to fluid injection, including hydraulic fracturing, is an increasingly common phenomenon worldwide; yet, the mechanisms by which hydraulic fracturing causes fault activation remain unclear. Here we show that preexisting fracture networks are instrumental in transferring fluid pressures to larger faults on which dynamic rupture occurs. Studies of hydraulic fracturing‐induced seismicity in North America have often used observations from regional seismograph networks at distances of 10s of km, and as such lack the resolution to answer some of the key questions about triggering mechanisms. To carry out a more detailed analysis of the mechanisms of fault activation, we use data from a dense sensor array located at a hydraulic‐fracturing site in Alberta, Canada. The spatiotemporal distribution of event hypocenters, coupled with measurements of seismic anisotropy, reveal the presence of preexisting fracture corridors that allowed communication of fluid‐pressure perturbations to larger faults, over distances of 1 km or more. The presence of preexisting permeable fracture networks can significantly increase the volume of rock affected by the pore‐pressure increase, thereby increasing the probability of induced seismicity. This study demonstrates the importance of understanding the connectivity of preexisting natural fractures for assessing potential seismic hazards associated with hydraulic fracturing of shale formations and offers a detailed case exposition of induced seismicity due to hydraulic fracturing.
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.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle