Spectral Characteristics of Hydraulic Fracturing-Induced Seismicity Can Distinguish between Activation of Faults and Fractures
Notice bibliographique
Résumé
Abstract Analysis of earthquake spectra can aid in understanding source characteristics like stress drop and rupture complexity. There is growing interest in probing the similarities and differences of fault rupture for natural and human-induced seismic events. Here, we analyze waveform data from a shallow, buried geophone array that recorded seismicity during a hydraulic fracturing operation near Fox Creek, Alberta. Starting from a quality-controlled catalog of 4000 events between magnitude 0 and 3.2, we estimate source-spectral corner frequencies using methods that account for the band-limited nature of the sensor response. The stress-drop values are found to be approximately self-similar, but with a slight magnitude dependence in which larger events have higher stress drop (∼10 MPa). Careful analysis of the relative corner frequencies shows that individual fault and fracture segments experienced systematic variations in relative corner frequency over time, indicating a possible change in the stress state. Clustering analysis of source spectra based on the relative proportion of high- and low-frequency content relative to the Brune model further shows that event complexity evolves over time. In addition, the faults produce earthquakes with systematically larger stress-drop values than the fractures. Combined, these results indicate that the features activated by hydraulic fracturing experience observable changes in source behavior over time and exhibit different properties depending on the orientation, scale, and fabric of the structural feature on which they occur.
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 | 0,001 |
| 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 ».