Strike–Slip Fault Reactivation Triggered by Hydraulic-Natural Fracture Propagation during Fracturing Stimulations near Clark Lake, Alberta
Notice bibliographique
Résumé
The fluid diffusion pathways through intricate hydraulic–natural fracture networks may lead to fault reactivations. However, the underlying mechanisms are still not well understood. In this article, we present case studies to investigate the strike–slip fault reactivation triggered by hydraulic–natural fracture propagation during fracturing stimulations. The unconventional fracture model (UFM) is built to simulate the real-time propagation of hydraulic fractures and the interaction between hydraulic and natural fractures. The Mohr–Columb failure criteria are employed to determine the fault reactivation under the UFM during or after fracturing stimulations. The following are found: (1) The results of triaxial stress experiments of 27 core samples for the key well determine the static Poisson’s ratio and Young’s modulus of 0.258 and 48.7 GPa, respectively. (2) The average strike azimuths of associated natural fractures are NE 55° and SW 260°. The fault is recognized with the strike azimuth of NW 15° and fault length of 1510 m. (3) The unconventional fracture model takes into account hydraulic fracture initiation, hydraulic–natural fracture interactions, and stress shadow effects. (4) The occurrence of M3.9 was due to fluid injection during the eight stage completions of H4. The actual increase in pore pressure and Coulomb failure stress reached 3.21 and 1.93 MPa, exceeding the threshold value of Fault 1 and triggering the M3.9-induced earthquake. The insights on triggering mechanisms will guide seismicity-free fracturing stimulations in future shale development.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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 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 ».