MétaCan
Menu
Retour à la cohorte
Enregistrement W4291754956 · doi:10.1190/image2022-3749919.1

Numerical modeling of low-frequency distributed acoustic sensing signals for mixed-mode fracture activation

2022· article· en· W4291754956 sur OpenAlexaff
Chaoyi Wang, David W. Eaton, Yuanyuan Ma

Notice bibliographique

RevueSecond International Meeting for Applied Geoscience & Energy · 2022
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésWorkflowComputer scienceAcoustic emissionMode (computer interface)Slip (aerodynamics)Discontinuity (linguistics)Shear (geology)AcousticsSeismologyGeologyDatabaseEngineeringPhysicsPetrologyAerospace engineering

Résumé

récupéré en direct d'OpenAlex

In recent years, the development of distributed acoustic sensing (DAS) technology has enabled direct monitoring of subsurface strain during hydraulic fracturing operations. Most low frequency (<1Hz) DAS signals (LFDAS) exhibit strain or strain-rate patterns that are characteristic of propagating Mode-I (tensile) hydraulic fractures. However, in cases where pre-existing natural fractures or faults exist in proximity to operations, mixed-mode failure is possible, consisting of shear slip (Mode-II) plus dilation. Yet, the characteristics of mixed-mode LFDAS signals are poorly understood. We present a numerical simulation approach based on the Displacement Discontinuity Method to perform forward modeling of the mixed-mode LFDAS signals during the initial reactivation stages for a critically stressed fault. Our novel workflow provides a practical tool to perform fast forward modeling to characterize fault reactivation during hydraulic fracturing operations.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,713
Score d'incertitude au seuil0,832

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,014
Tête enseignante GPT0,239
Écart entre enseignants0,226 · 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'étudeSimulation ou modélisation
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSecond International Meeting for Applied Geoscience &amp; EnergyMême sujetSeismic Waves and AnalysisTravaux en français237 207