Global review of induced earthquakes in oil and gas production fields
Notice bibliographique
Résumé
Human-induced earthquakes have a long history, which could be caused by impoundment of reservoirs, underground mining, geothermal operations, oil and gas production, and wastewater injection. Analyses of seismicity and other monitoring data suggest: (1) rapid increase of seismicity during 2009～2015 in Oklahoma, USA was mainly due to deep disposal of wastewater from oil and gas extraction; (2) sharp increase of seismicity during 2009～2015 in Alberta, Canada, shows strong spatial and temporal correlation with hydraulic fracturing activities, and the conclusion is that hydraulic fracturing induced earthquakes (M>3.0); (3) In the Groningen gas field in Netherlands, studies revealed strong correlation between induced seismicity and gas depletion starting from 1991 and identified a close link between induced seismicity and reservoir compaction resulting from extraction of gas. The conclusion is that the gas production induced the earthquake (ML3.6) in 2012, which significantly caused damage in the local area; (4) In Sichuan shale gas production field, China, studies suggest that both the long-term injection of wastewater and short-term shale gas hydraulic fracturing correlate with the increasing seismicity, there have been different views on the cause of sizable earthquakes (ML5.7, 5.3) occurring in late 2018 and early 2019 in the shale gas production area. Studying induced seismicity due to industry activities has been one of the major efforts and become a research field in the scientific community. Besides revealing spatial and temporal distributions of induced seismicity, this review summarizes analyses of induced earthquakes from seismology, geomechanics, and structural geology. Developing solutions to the mitigation of earthquake risk during industry activities has been another major effort. This review introduces various theoretical and practical approaches to address the subject, including induced seismicity monitoring and management system, probability estimation methods, and risk assessment using geophysical and geological data, and also presents suggestions to address the issues in China.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,010 | 0,013 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».