Numerical modeling of low-frequency distributed acoustic sensing signals for mixed-mode reactivation
Notice bibliographique
Résumé
ABSTRACT In recent years, the development of distributed acoustic sensing (DAS) technology has enabled direct monitoring of subsurface strain during hydraulic fracturing (HF) operations. Most low-frequency (<1 Hz) DAS (LFDAS) signals exhibit strain or strain-rate patterns that are characteristic of propagating tensile hydraulic fractures. However, mixed-mode fault reactivation, consisting of shear slip (mode II) with tensile opening (mode I), can occur in cases where propagating hydraulic fractures intersect preexisting natural fractures or faults. In this study, we show an anomalous LFDAS signal that was observed during an HF operation, with characteristics that differ from typical signals from tensile hydraulic fractures. Anomalous characteristics include the onset of an asymmetric compression-extension doublet after pumping was terminated. The location of the signals, coupled with the image log and seismic data, suggests that mixed-mode reactivation occurred on a preexisting fault. We use a simplified numerical model based on the displacement discontinuity method (DDM) to simulate the anomalous LFDAS signal. Results find that the first-order characteristics of the anomalous signal can be approximated as an initial tensile fault opening (mode I) followed by a shear slip (mode II) on a fault. Therefore, we demostrate the approach of using DDM to investigate mixed-mode fault reactivation during HF 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 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 ».