Geological Susceptibility to Hydraulic Fracturing-Induced Seismicity in the Montney Formation
Notice bibliographique
Résumé
This thesis focuses on induced (anthropogenic) seismicity related to hydraulic fracturing operations in the Montney Formation - a geological unit of Triassic age located in the Western Canada Sedimentary Basin. Originally a conventional oil and gas play, the Montney Formation is currently one of the most prolific unconventional resource plays worldwide. Documented cases of induced seismicity in the Montney play occur in distinct clusters, indicative of local variability of factors influencing the seismic activation potential (SAP). Notably, virtually all induced seismicity related to hydraulic fracturing, to date, has occurred in British Columbia despite similar levels of industrial activity in Alberta. This implies that geological trends may have a more significant impact on SAP than operational factors. This thesis presents several new methodologies for investigating the complex interplay between subsurface conditions and induced seismicity distribution. Three independent workflows, based on machine learning-based analysis, structural interpretation, and statistical inference, respectively, were developed to evaluate hypotheses regarding the influence of geological, geomechanical and structural controls of hydraulic fracturing-induced seismicity in the Montney Formation. First, a machine learning model was used to identify areas within the Montney that are characterized by the highest geological susceptibility to induced seismicity. The results suggest that distance to the Cordilleran deformation front and injection depth are the most important factors influencing the observed seismicity trends. Next, a multi-step workflow based on trend-surface analysis combined with geophysical data interpretation allowed major structural trends (structural corridors) to be delineated throughout the Montney play. The results of machine learning and structural interpretation were used to formulate hypotheses regarding geological factors influencing observed cluster characteristics of seismicity in the Montney. These hypotheses were independently tested using SimSeis – a newly developed tool for statistical inference based on a stochastic simulation approach. Using this tool, sets of synthetic catalogs are generated according to assumed spatial relationship(s) between geological susceptibility and/or mapped structural corridors and further compared against a Null hypothesis, corresponding to a random spatial association of induced seismicity with hydraulically fractured wells. While each of the alternative models performed significantly better than the Null hypothesis, a machine-learning model based on geological susceptibility achieved the best results. SimSeis is customizable and can be applied to investigate mechanisms that influence the distribution of induced seismicity distribution in other unconventional plays and thus enhance currently existing seismic-risk mitigation strategies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».