Effectiveness of dip-in DAS observations for low-frequency strain and microseismic analysis: The CanDiD experiment
Notice bibliographique
Résumé
The Canadian Dip-in-DAS (CanDiD) project involved wireline deployment of an optical fiber in a lateral well to record distributed acoustic sensing (DAS) observations. The project took place in January 2021 during hydraulic- fracturing operations at a multi-well pad. The program was carried out by the University of Calgary as part of the Microseismic Industry Consortium, in partnership with an oil and gas operator and several wireline and DAS service providers. The DAS recordings from zipper-frac completions in 6 horizontal wells show typical signatures of low-frequency strain signals associated with fracture-driven interactions (FDI’s or “frac hits”). These signals enabled fracture azimuth to be determined, which indicate a systematic variation in azimuth with depth in the reservoir zone. This variation is interpreted to represent a depth- dependent rotation in the maximum horizontal stress direction. A few atypical low-frequency signals are best explained by shear slip along horizontal planes of weakness. Using a machine-learning based approach, microseismic events were detected and processed, although it was not possible to obtain process hypocenters from a single fiber. In the same frequency band as the microseismic events, numerous coherent noise events with symmetrical linear moveout were observed in close proximity to the FDIs. The results of this investigation show the utility of dip-in DAS deployments to provide insights about fracture geometry and stress orientations.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».