ES2629684T3 - Método que discrimina entre sismicidad natural e inducida - Google Patents

Método que discrimina entre sismicidad natural e inducida Download PDF

Info

Publication number
ES2629684T3
ES2629684T3 ES12745617.6T ES12745617T ES2629684T3 ES 2629684 T3 ES2629684 T3 ES 2629684T3 ES 12745617 T ES12745617 T ES 12745617T ES 2629684 T3 ES2629684 T3 ES 2629684T3
Authority
ES
Spain
Prior art keywords
seismicity
time
time function
function
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES12745617.6T
Other languages
English (en)
Inventor
Leo Eisner
Ivo Oprsal
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Seismik S R O
SEISMIK sro
Institute of Rock Structure and Mechanics CAS
Original Assignee
Seismik S R O
SEISMIK sro
Institute of Rock Structure and Mechanics CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Seismik S R O, SEISMIK sro, Institute of Rock Structure and Mechanics CAS filed Critical Seismik S R O
Application granted granted Critical
Publication of ES2629684T3 publication Critical patent/ES2629684T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/30—Analysis
    • G01V1/308—Time lapse or 4D effects, e.g. production related effects to the formation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/288—Event detection in seismic signals, e.g. microseismics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/28—Processing seismic data, e.g. for interpretation or for event detection
    • G01V1/36—Effecting static or dynamic corrections on records, e.g. correcting spread; Correlating seismic signals; Eliminating effects of unwanted energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
    • G06F17/141—Discrete Fourier transforms
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/10—Aspects of acoustic signal generation or detection
    • G01V2210/12—Signal generation
    • G01V2210/123—Passive source, e.g. microseismics
    • G01V2210/1232—Earthquakes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/10—Aspects of acoustic signal generation or detection
    • G01V2210/12—Signal generation
    • G01V2210/123—Passive source, e.g. microseismics
    • G01V2210/1234—Hydrocarbon reservoir, e.g. spontaneous or induced fracturing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Physics (AREA)
  • Geophysics (AREA)
  • Acoustics & Sound (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Fluid Mechanics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Discrete Mathematics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

Método implementado por ordenador para discriminar entre sismicidad natural e inducida que comprende una etapa de adquirir datos de actividad humana y adquirir datos de sismicidad mediante un sistema de vigilancia para la misma ubicación y periodo de tiempo, y transformar los datos de sismicidad y datos de actividad humana en la primera función de tiempo y la segunda función de tiempo, respectivamente, caracterizado porque comprende la etapa de: - determinar una correlación cruzada normalizada, NCCTF, entre la primera función de tiempo y la segunda función de tiempo, - determinar una correlación cruzada normalizada de nuevo, RNCC, basándose en la correlación cruzada normalizada esperada teóricamente, NCCTE, donde NCCTE se calcula con la suposición de que la primera función de tiempo y la segunda función de tiempo son independientes entre sí, - evaluar la significación estadística de RNCC, - evaluar la probabilidad de que la sismicidad esté inducida por la actividad humana basándose en la significación estadística de RNCC.

Description

5
10
15
20
25
30
35
40
45
50
55
60
65
DESCRIPCION
Metodo que discrimina entre sismicidad natural e inducida Campo de la invencion
La invencion se refiere de manera general al campo de la sismicidad. Particularmente, se refiere a la vigilancia sismica util en la industria de la mineria o la industria de extraccion de petroleo y gas. Tambien tiene aplicaciones en la prospeccion sismica para detectar depositos de agua subterranea asi como el problema mundial de secuestro del CO2. Especificamente, la presente invencion se refiere al metodo que proporciona criterios objetivos para determinar la asociacion temporal de sismicidad y diversos tipos de actividad humana, particularmente asociados con la industria de la mineria.
Antecedentes de la invencion
Es un hecho constatado que la inyeccion o retirada de fluido de una formacion rocosa puede inducir o desencadenar actividad sismica. Sin embargo, tambien se produce sismicidad natural en regiones en las que se emplazan los centros de produccion. Los metodos usados actualmente y el procesamiento de los datos asociados conducen a la obtencion de una correlacion estadisticamente significativa incluso para datos independientes (aleatorios) que indican una relacion causal de manera incorrecta cuando no esta presente ninguna relacion.
Probar o refutar una relacion causal entre sismicidad y actividad humana es dificil. Uno de los aspectos clave de probar una relacion causal son las relaciones temporales, en las que la actividad humana precede a la sismicidad y el aumento de la actividad humana provoca un aumento de la sismicidad. Puede usarse tal relacion por empresas explotadoras, las autoridades o aseguradoras para tomar las medidas adecuadas. La sismicidad, relacionada posiblemente con el tratamiento de pozos de produccion, puede representar una amenaza para los hogares y las infraestructuras con un impacto social relativamente importante.
Se ha observado una correlacion cualitativa entre sismicidad y volumenes de inyeccion en muchos casos bien documentados de sismicidad desencadenada o inducida por la inyeccion de fluido de manera profunda (Healy et al, 1968). Recientemente, Horton (Horton 2012) ha usado valores directos de correlacion cruzada normalizada. La desventaja de tal enfoque es que dos series temporales con medias distintas de cero positivas presentan altos valores de correlacion cruzada para un retardo distinto de cero con un limite igual a 1 para valores de media grande y baja desviacion estandar. Tal enfoque no indica la relacion causal entre las dos series temporales.
Se requiere enormemente en el sector industrial un metodo que permita proporcionar una determinacion objetiva de si la actividad sismica (sismicidad) que se produce en un area determinada se induce o desencadena por actividad industrial de mineria/extraccion o si la sismicidad se produce de manera natural. Los presentes inventores han propuesto recientemente (Oprsal y Eisner, 2012) usar una “funcion util” eliminando la media movil. Sin embargo, la presente invencion da a conocer una mejora significativa del metodo que se basa en la eliminacion de la media movil y otros ajustes.
Sumario de la invencion
Los inventores de la presente invencion descubrieron como obtener criterios objetivos para tomar una decision cuando se determina si la actividad sismica (sismicidad) que se produce en un area determinada se induce (o desencadena) por la actividad humana (por ejemplo, tratamiento geofisico) asociada particularmente con la industria de la mineria/extraccion, tal como inyeccion o produccion de fluidos tales como salmuera o inyeccion de gas, o si la sismicidad registrada se produce de manera natural. En el presente documento, el termino sismicidad “inducida” tambien implica el termino sismicidad “desencadenada”.
La esencia del metodo de la invencion reside en proporcionar criterios objetivos para determinar la asociacion temporal de sismicidad y actividad humana. El resultado viene dado por la respuesta logica SI/NO a la pregunta “ison estadisticamente independientes la sismicidad y la actividad humana?” La respuesta no es obvia ni siquiera en el caso de una gran cantidad de datos diversos adquiridos durante el tratamiento (vease a continuacion), y la bibliografia cientifica actualizada no proporciona una respuesta clara a tal pregunta y la. La inyeccion en un pozo no es el unico caso de aplicacion. Generalmente, cualquier actividad subterranea tal como mineria, mineria a cielo abierto, produccion de gas o incluso una natural, tal como el relleno de sumideros de agua dulce puede inducir actividad sismica. El metodo, segun la presente invencion, permite distinguir si la sismicidad esta relacionada temporalmente con actividad tecnica humana (por ejemplo, tratamiento de inyeccion) o con cualquier proceso natural. Se basa en analizar la medida de sismicidad de la actividad humana (por ejemplo, datos de tratamiento de pozos) y en el procesamiento de datos adicional.
Recientemente, los inventores han propuesto (Oprsal y Eisner, 2012) una simple mejora metodologica usando un tratamiento especifico de los datos antes de que se aplique una correlacion cruzada con resultados no aplicables de manera fiable (es decir, eliminacion de la media movil). El nuevo metodo de adquisicion y procesamiento de datos
5
10
15
20
25
30
35
40
45
50
55
60
65
descrito en la presente solicitud permite un resultado estadisticamente significativo (por tanto, fiable) como base para la toma de decisiones.
El metodo requiere una adquisicion de datos sismicos mediante un sistema de vigilancia, y procesar los datos adquiridos. La adquisicion de datos consiste en una red de vigilancia sismica, que se distribuye en la superficie o capa subsuperficial y registra de manera continua datos sismicos. A partir de estos registros, se detectan eventos sismicos y, a traves de un proceso de localizacion de terremotos, pueden localizarse y puede determinarse su tamano (magnitud).
En esta invencion, el termino “sismicidad” significa eventos sismicos detectados de un area determinada (o bien localizados o bien no localizados). Se usa esta sismicidad junto con cierta medida de la actividad humana (por ejemplo, tasa de inyeccion, presion de fluidos inyectados, etc.) para procesar en dos sectores combinados. Cada uno de los sectores (divididos despues de la adquisicion de datos de actividad humana y de sismicidad) puede usarse independientemente y puede conducir a la decision de si la sismicidad coherente temporal esta relacionada estadisticamente con o es independiente de las actividades humanas.
En un area en la que se produce una inyeccion, determinar la relacion entre la actividad humana, por ejemplo tratamiento geofisico (cuantificado mediante la tasa de inyeccion, por ejemplo) y la sismicidad a traves de correlacion cruzada se usa como herramienta para investigar la posibilidad de induccion de sismicidad. Los volumenes de inyeccion, asi como la sismicidad (recuento de eventos) son ambos funciones positivas. Aunque la correlacion cruzada directa de tales funciones no indica una relacion entre dos fenomenos (proporcionando altos valores de correlacion cruzada incluso para funciones aleatorias positivas), mas bien, se usa la correlacion cruzada de sus “funciones de tiempo eficaces” (por ejemplo, funciones originales con la parte filtrada ponderada restada). Los valores de correlacion cruzada normalizada (NCC) para “funciones de tiempo eficaces” (ETF) pueden presentar un maximo a 0,5 y -0,5 de manera estadisticamente no significativa para fenomenos no relacionados (es decir, sismicidad no inducida), mientras que si hay maximos positivos por encima de 0,5 indica relacion temporal estadisticamente significativa entre sismicidad y actividad humana (tratamiento de inyeccion).
El termino “funcion de tiempo” significa cualquier historial temporal discreto medido y registrado tal como volumenes de inyeccion (relacionados con la inyeccion), presion en la boca del pozo, precipitacion, aparicion geofisica sismica o cosismica de eleccion limitada tal como el numero de eventos sismicos con magnitud mayor o menor que una magnitud dada (mecanismo, disminucion de esfuerzos o cualquier otro parametro) en un volumen dado (distancia, intervalo de distancia, intervalo de profundidad o cualquier otra medida); inclinacion, gasto de un manantial, campo geoelectrico, presion intersticial, etc. La funcion de tiempo es una representacion discreta digitalizada (con muestreo normalmente regular) de valor originalmente continuo como funcion de tiempo.
El termino “correlacion cruzada” se usa para un parametro calculado que evalua la similitud entre las funciones de tiempo, la correlacion cruzada normalizada tiene un valor maximo de entre -1 y 1.
Una herramienta muy eficaz para calcular una funcion de correlacion cruzada normalizada (NCC) puede encontrarse preferiblemente, por ejemplo, en Signal Processing Toolbox (conjunto de herramientas de procesamiento de senales) de MATLAB (MathWorks, Natick, Massachusetts, EE.UU.) “xcorr(A,B,’coeff’)”. Para usar la funcion “xcorr” de MATLAB para calcular NCC, las senales discretas de entrada de funcion se normalizan de manera interna para tener autocorrelaciones a un retardo cero iguales a 1,0. Las funciones de tiempo tienen que ser de la misma longitud, o la que tiene una parte distinta de cero mas corta se rellena con ceros para cumplir con el intervalo, en la que la mas grande es distinta de cero. “xcorr” es diferente del “corr” de Statistics Toolbox de MATLAB que calcula la correlacion. Puede realizarse la correlacion cruzada para senales analiticas complejas (donde la parte real es la senal, la parte imaginaria es la transformada de Hilbert de la senal). La NCC resultante es una funcion compleja cuyo valor absoluto puede tomarse como una medida de correlacion temporal. El uso de la implementacion de otra tecnica de correlacion cruzada (tal como “corr” de MATLAB, a partir de la definicion de coeficientes de correlacion de senales discretas, etc.) no tiene ninguna influencia sobre el metodo presentado. Sin embargo, algunas de las implementaciones usadas pueden diferir en cuanto a la funcion de NCC resultante.
El metodo segun la presente invencion comprende algunas o todas de las siguientes etapas:
- se miden datos sismicos como movimiento del terreno provocado por fuentes de terremotos mediante al menos un sensor en la superficie o bajo tierra,
- el procesamiento de los datos sismicos permite detectar microeventos sismicos, en particular detectar su momento y tamano (magnitud),
- obtener la primera funcion de tiempo (por ejemplo, el numero de terremotos por encima de determinada magnitud al dia en un area alrededor del pozo de inyeccion) a partir de la sismicidad obtenida previamente mediante el procesamiento de los datos, lo que da como resultado parametros de origen de terremoto (ubicacion, hora de inicio, es decir, la hora en que se produjo el evento, magnitud, etc.),
5
10
15
20
25
30
35
40
45
50
55
60
65
- obtener la segunda funcion de tiempo (por ejemplo, tasa de inyeccion) a partir de datos obtenidos previamente de actividad humana, por ejemplo datos de tratamiento geoffsico, tales como presion en la boca del pozo, volumenes de inyeccion, volumen extrafdo en minerfa de actividad tecnica humana que puede inducir posiblemente la sismicidad,
- realizar la correlacion cruzada de funciones de tiempo (TF), es decir la primera funcion de tiempo y la segunda funcion de tiempo, para obtener una correlacion cruzada normalizada (NCCtf) y normalizar el resultado con un coeficiente de normalizacion especial (es decir, NCC esperada teoricamente, NCCte) derivado de las propias funciones de tiempo para obtener una correlacion cruzada recien normalizada de nuevo (RNCC),
- alternativamente (o adicionalmente, vease mas adelante) aplicar una transformacion matematica a la primera funcion de tiempo y a la segunda funcion de tiempo para potenciar variaciones temporales significativas para obtener funciones de tiempo eficaces (ETF), es decir la primera funcion de tiempo eficaz y la segunda funcion de tiempo eficaz, donde las funciones de tiempo pueden transformarse de varios modos posibles,
- realizar la correlacion cruzada de la primera funcion de tiempo eficaz y la segunda funcion de tiempo eficaz y obtener una correlacion cruzada normalizada (NCCetf) que discrimina entre la semejanza temporal de funciones de tiempo eficaces,
- estimar si la correlacion cruzada obtenida anteriormente (NCCetf o RNCC) tiene un maximo a un valor significativamente alto con un pequeno retardo temporal entre las dos funciones de tiempo (es decir, la primera funcion de tiempo eficaz y la segunda funcion de tiempo eficaz o la primera funcion de tiempo y la segunda funcion de tiempo), lo que es indicativo de que ambas estan relacionadas. Ademas, puede combinarse el modo basado en la relacion de correlacion cruzada de funciones de tiempo (lo que da como resultado RNCC) con el modo basado en la relacion de correlacion cruzada de funciones de tiempo eficaces (lo que da como resultado NCCetf) en el modo en el que se evaluan ambas correlaciones cruzadas y se usan para evaluar la probabilidad de sismicidad inducida. Esta combinacion potencia la capacidad de prediccion del metodo.
El modo preferido para obtener ETF es transformar TF al dominio espectral de Fourier mediante transformada de Fourier discreta (vease, por ejemplo, el documento WO 2001/059481), multiplicando la parte real e imaginaria de la misma por una funcion de filtrado (FF) y transformar el resultado de vuelta al dominio de tiempo para obtener ETF. Para algunos casos especfficos, puede crearse ETF restando el valor medio de una funcion. Esto se conoce como la prueba de Pearson. Algunos otros ejemplos de otras construcciones de ETF son:
- Filtrado con filtro paso alto, paso bajo o paso banda de una senal en el dominio de Fourier mediante un filtro arbitrario.
- Filtrado con filtro paso bajo de una senal en el dominio de tiempo restando el promedio de ventana movil. El intervalo de tiempo de ventana depende del tiempo y puede ponderarse dependiendo la ponderacion del tiempo.
La geometrfa de red para medir los datos sfsmicos debe disenarse para cumplir con el manual IASPEI de demandas practicas de observatorios. Los parametros basicos de una red de este tipo son la distancia entre receptores en la red de vigilancia y la geometrfa. Pueden usarse datos de estaciones regionales presentes.
Un experto en la tecnica entendera que pueden realizarse diversas modificaciones en la invencion sin apartarse del alcance de la invencion segun se describe en este texto y se expone en las reivindicaciones 1-3 adjuntas.
Breve descripcion de los dibujos
La presente invencion se describira adicionalmente, a modo de ejemplo, con referencias a los siguientes dibujos.
Figura 1: Correlacion cruzada normalizada de dos funciones aleatorias, que representan el numero de terremotos como datos semanales por encima de la magnitud 2 a la semana. La media normalizada y las variaciones estandar disminuyen debido a la suma de intervalos semanales. El valor de meseta de correlacion cruzada es tal como se muestra en la ecuacion 2.
Figura 2: Correlacion cruzada de Pearson de datos semanales tal como se presenta en la figura 1. Los valores medios de las partes no rellenadas con ceros se restan antes del calculo de la correlacion normalizada. Para series mas largas o mas realizaciones (en cuanto al promedio), la correlacion tiene como lfmite 0 para variables independientes.
Figura 3: NCCetf (panel inferior) para “funciones de tiempo eficaces” (ETF) del numero de terremotos mayores que la magnitud dada al mes en la inyeccion de residuos del arsenal de las Montanas Rocosas (panel superior), y volumen inyectado al mes (panel inferior) (datos para ETF tomados de Healy et al, 1968). Se crean ETF filtrando en el dominio de frecuencia con un filtro = (1-0,85*Sinc(f)), donde f=4,8*(1e-8) Hz.
5
10
15
20
25
30
35
40
45
50
Figura 4: RNCC (panel inferior) para funciones de tiempo originales: Numero de terremotos en la inyeccion de residuos del arsenal de las Montanas Rocosas (panel superior), y volumen inyectado (panel inferior) (datos de dos paneles superiores tomados de Healy et al, 1968).
Figura 5: Diagrama de flujo que describe el metodo desde la adquisicion de datos hasta la decision sobre la correlacion estadisticamente significativa entre actividad geofisica y sismicidad relacionada. Los dos posibles procesos, que pueden tomarse independientemente, funcionan con A: Datos originales (panel izquierdo), y B: Datos filtrados, respectivamente. A: Realiza la NCC con datos originales y los normaliza con respecto a RNCC para dar funciones de tiempo. B: Se basa en filtrar los datos para dar funciones de tiempo eficaces y realizar la estimacion de NCC, lo que da como resultado NCCetf.
Descripcion detallada de la invencion
El siguiente ejemplo proporciona realizacion/realizaciones a modo de ejemplo y no pretende limitar el alcance, la aplicabilidad o configuracion de la invencion.
1. CONSIDERACIONES TEORICAS
Va a investigarse la correlacion cruzada normalizada de funciones de tiempo A y B con medias distintas de cero.
imagen1
donde: Na es una funcion de media cero, |a es la media de A y la desviacion estandar relativa se lee como
E(Atf) = 4 , E(Na) = 0
E(X) es el valor esperado de X. (Los valore de B y valores indexados de B se aplican de manera analoga). Existen muchas definiciones de correlacion cruzada. La correlacion cruzada normalizada (como en Signal Processing Toolbox de MATLAB, o “correlacion de reflexion”, Wikipedia), NCC, se lee como
Corrn(A,B)
E(AB) E ((Na + [iA)(NB+ M)
JE(A2)E(B2) JE((Na + [iAY)E((NB + M2) _ E(NaNb) + [iA[iB m
VOi + + ni)
Para funciones aleatorias independientes Na, Nb, la correlacion cruzada esperada teoricamente puede calcularse de la siguiente manera:
imagen2
Por tanto, para dos funciones con media distinta de cero cuanto menor es la desviacion alrededor de esa media, mayor es la correlacion cruzada (suponiendo que ambas medias son del mismo signo).
Asi, una correlacion cruzada normalizada de nuevo, RNCC, se define como:
RNCC(A,B) =
Corrn{A,B) - NCCTE(A,B) 1 - NCCte(A,B) ”
(3)
Donde el denominador normaliza de nuevo el valor maximo a 1 para funciones perfectamente correlacionadas.
Para funciones de tiempo con oa y ob relativamente pequenas y funciones independientes Na, Nb:
imagen3
Para funciones de tiempo con |a = |b = 0:
5
10
15
20
25
30
35
40
45
50
55
60
Corn
nmedias cero
,, e(nm
(A,B)=------5-5- (5)
2 2 °A°B
Solo en este caso la correlacion cruzada normalizada oscila entre -1 y +1 y puede indicar relacion fisica si es proxima a 1.
Se uso Statistics Toolbox de MATLAB (MathWorks, Natick, Massachusetts, MA 01760-2098, EE.UU.) como herramienta matematica preferida. Ha de observarse que “xcorr” es diferente de “corr” de Statistics Toolbox de MATLAB que calcula la correlacion especificada en la ecuacion (4). Se usa la funcion NCC de Signal Processing Toolbox de MATLAB “xcorr(A,B,’coeff’)”. Asi, se aplican los respectivos o y p al mas largo de los intervalos para ambas entradas. Las formulas (1, 2) y (4, 5), que proporcionan un valor de maximo (o meseta) de la correlacion cruzada, son validas en sentido de promedio de realizaciones o limite de senal infinito, que es una estimacion de la realizacion actual de funciones independientes (vease la figura 1). El valor teorico de NCC, NCCte (ecuacion 2, valor de “max_xcross(theor)” en todas las figuras) se calcula para cada senal con la suposicion de series independientes (E(AB)=0). La figura 1 muestra una funcion aleatoria con medias distintas de cero, y sus NCC. La realizacion aleatoria de estas dos variables es exactamente igual, pero las caracteristicas estadisticas de esta ultima se calculan incluyendo el intervalo rellenado con ceros como en MATLAB. La amplitud de meseta concuerda (en promedio) con el valor obtenido teoricamente de la correlacion cruzada normalizada. Si las funciones tuvieran igual longitud, la envolvente de NCC seria triangular. En este caso, la NCC es un trapezoide con la amplitud maxima disminuida debido a la normalizacion. Observese que se esperaba que el cambio del valor medio y la desviacion estandar de la segunda representacion grafica de la senal de la figura 1 desde la parte distinta de cero fuese p~1/2 y V(1/12)=0,289 debido al relleno con ceros y la normalizacion. Las series de la figura 1 son valores “semanales”, en los que cada uno de estos valores se crea mediante la suma de siete realizaciones aleatorias de dos funciones aleatorias positivas (valores diarios) con distribucion de tipo cajon (boxcar) en <0,1> (p=1/2). Si se realiza entonces la normalizacion, el valor medio de sus partes distintas de cero permaneceria inalterado mientras que su desviacion estandar disminuiria hasta V(1/7 1/12)=0,109 siguiendo el teorema del limite central.
2. APLICACION
a) Procesamiento de datos originales
La primera ramificacion del metodo que comprende las etapas 1, 2, 3A-5A y 6 (figura 5) muestra como tratar los datos sin procesamiento previo en el proceso de decision. Es la normalizacion de NCC de las funciones de tiempo originales normalizadas con respecto a la NCC esperada teoricamente de funciones de tiempo independientes, NCCte. La correlacion cruzada recien normalizada resultante para las funciones de tiempo RNCc se facilita en la formula 3, donde se estima NCC para funciones de tiempo, NCCtf, segun la formula 1 y se estima la NCC esperada, NCCte, segun la formula 2.
El resultado facilitado en la ecuacion 3 no es obvio porque la NCC para funciones de tiempo aleatorias (figura 1), y NCC para sismicidad inducida y volumenes inyectados (figura 4) proporcionan valores estadisticamente significativos de maximos de NCC a 0,764 y 0,81, respectivamente, sin posibilidad de distinguir entre estos dos casos. La nueva normalizacion de los valores esperados teoricamente y NCC calculada proporcionan (de nuevo para los casos en las figuras 1 y 4, respectivamente) valor de RNCC = 0,136 para funciones aleatorias (es decir, la sismicidad no se induce por actividad tecnica humana) y RNCC = 0,533 para el caso de sismicidad inducida.
b) Procesamiento de datos transformados
Otra ramificacion del procedimiento que comprende las etapas 1, 2, 3B-5B y 6 (figura 5) aborda las funciones de tiempo que se transforman en funciones de tiempo eficaces (ETF) (variaciones de tiempo eficaces) antes de realizar la correlacion cruzada. Se calcula una correlacion cruzada normalizada de las ETF a partir de la formula (1), lo que da como resultado la NCCetf.
Se ha encontrado que el modo mas eficaz para obtener la ETF es transformar la senal al dominio espectral de Fourier mediante transformada de Fourier discreta, multiplicar la parte real e imaginaria de la misma por una funcion de filtrado FF y transformar el resultado de vuelta al dominio de tiempo para obtener ETF. El ejemplo en la figura 3 muestra funcion de NCC de un solo maximo. El maximo unico significa que solo hay un posible desplazamiento de tiempo (en este caso, aproximadamente cero) para hacer coincidir las ETF. El valor de un solo maximo = 0,7 proporciona una fuerte indicacion de que la sismicidad se induce por la actividad humana, por ejemplo tratamiento geofisico tal como tratamiento de pozos de produccion.
Para algunas senales puramente aleatorias con estadistica de ventanas de tiempo estacionarias, tales como desviacion dependiente del tiempo constante (que no es un caso de actividad sismica tipico), la ETF puede crearse restando el valor medio de una funcion. Esto se conoce como la prueba de Pearson. La figura 2 muestra la prueba
5
10
15
20
25
30
35
40
45
de Pearson de los datos de la figura 1 (o la correlacion cruzada de ETF de los datos de la figura 1) con NCC muy baja (0,21) que seria significativamente menor para series de tiempo mas largas o el promedio de multiples realizaciones aleatorias. Algunos ejemplos de otras construcciones de las “funciones de tiempo eficaces” son:
- filtrado con filtro paso alto, paso bajo o paso banda de una senal en el dominio de Fourier mediante un filtro arbitrario
- filtrado con filtro paso bajo de una senal en el dominio de tiempo restando el promedio de ventana movil. El intervalo de tiempo de ventana depende del tiempo y puede ponderarse dependiendo la ponderacion del tiempo.
Si la sismicidad presente dentro del intervalo de tiempo de actividad humana esta inducida, entonces la NCCetf tiene un maximo global a aproximadamente tiempo cero correspondiente a un corto retardo de tiempo entre las dos funciones de tiempo. El valor del maximo global esta por encima de la significacion estadistica (es decir, por encima de 0,5) y es positivo. La correlacion cruzada sin tales caracteristicas implica que la sismicidad no esta relacionada con la actividad humana.
c) Proceso de decision
Despues de conocer los resultados finales de la ramificacion A (figura 5, etapa 5A) y/o la ramificacion B (figura 5, etapa 5B), puede tomarse la decision en forma de “la sismicidad no esta inducida” o “la sismicidad probablemente esta inducida”. La decision se basa en la independencia estadistica de las funciones de tiempo tal como se representa en la parte inferior del diagrama de flujo en la figura 5. Se ha encontrado que los valores umbral mas adecuados para la decision SI/NO son de aproximadamente 0,45 para el proceso de la ramificacion A y de aproximadamente 0,60 para el proceso de la ramificacion B.
Los valores umbral de decision se basan en el conocimiento empirico, se calibraron con las funciones de tiempo de la sismicidad inducida por el hombre y la sismicidad natural conocidas de la tecnica anterior. El experto en la tecnica es consciente del hecho de que los presentes valores umbral dependen de la region y, por tanto, se muestran como valores preferidos en los ejemplos especificos. El experto tambien conoce el enfoque de rutina sobre como someter a prueba/calibrar los valores umbral utiles para la realizacion de la presente invencion. Se aplica lo mismo a las decisiones finales que se ven influidas por el conocimiento actual de procesos geofisicos pertinentes y por la exactitud de los datos obtenidos. Asi, el experto es consciente de que no se da la respuesta final “la sismicidad esta inducida” con el 100% de probabilidad.
Ambas ramificaciones A y B del proceso pueden usarse conjuntamente para proporcionar una decision con significacion estadistica combinada (figura 5). Existen diez posibles combinaciones de respuestas de las ramificaciones A y B:
Respuesta de la ramificacion A
Respuesta de la ramificacion B Decision final (combinada)
SI
SI
“La sismicidad SI esta inducida”
indeterminado
SI “La sismicidad probablemente SI esta inducida”
SI
indeterminado “La sismicidad probablemente SI esta inducida”
indeterminado
NO “La sismicidad probablemente NO esta inducida”
NO
indeterminado “La sismicidad probablemente NO esta inducida”
SI
NO “La causa probable de sismicidad no esta clara”
NO
SI “La causa probable de sismicidad no esta clara”
NO
NO
“La sismicidad NO esta inducida”
SI
NO “La causa probable de sismicidad no esta clara”
NO
SI “La causa probable de sismicidad no esta clara”
Las respuestas determinan entonces si la sismicidad probablemente esta inducida, probablemente no esta inducida, o que la relacion no es estadisticamente significativa. El termino “indeterminado” representa la situacion en la figura 5, etapas 5A o 5B, cuando hay significacion estadistica entre dos valores umbral para las respuestas “SI” y “NO”, respectivamente.
Referencias
Healy, J.H., W.W. Rubey, D.T. Griggs, C.B. Raleigh (1968). The Denver Earthquakes, Science, 161, n.° 3848, 1301-
Horton, S. (2012). Disposal of Hidrofracking Waste Fluid by Inyection into Subsurface Aquifers Triggers Earthquake Swarm in Central Arkansas with Potential for Damaging Earthquake, Seismol. Res. Lett. 83(2), pags. 250-260.
Oprsal, I., y Eisner, L., 2012 Using Cross Correlation to Indicate Induced Sismicity. 2012 Seismological Society of America Annual Meeting, 17-19 de abril de 2012 San Diego, California, documento Wo 2001/059481
Cesca, S et al. (2012). Discrimination of induced sismicity by full moment tensor inversion and decomposition, 10 Journal of seismology, pags. 147-163.

Claims (3)

  1. 5
    10
    15
    20
    25
    30
    35
    40
    45
    50
    REIVINDICACIONES
    1. Metodo implementado por ordenador para discriminar entre sismicidad natural e inducida que comprende una etapa de adquirir datos de actividad humana y adquirir datos de sismicidad mediante un sistema de vigilancia para la misma ubicacion y periodo de tiempo, y transformar los datos de sismicidad y datos de actividad humana en la primera funcion de tiempo y la segunda funcion de tiempo, respectivamente, caracterizado porque comprende la etapa de:
    - determinar una correlacion cruzada normalizada, NCCtf, entre la primera funcion de tiempo y la segunda funcion de tiempo,
    - determinar una correlacion cruzada normalizada de nuevo, RNCC, basandose en la correlacion cruzada normalizada esperada teoricamente, NCCte, donde NCCte se calcula con la suposicion de que la primera funcion de tiempo y la segunda funcion de tiempo son independientes entre si,
    - evaluar la significacion estadistica de RNCC,
    - evaluar la probabilidad de que la sismicidad este inducida por la actividad humana basandose en la significacion estadistica de RNCC.
  2. 2. Metodo implementado por ordenador para discriminar entre sismicidad natural e inducida que comprende una etapa de adquirir datos de actividad humana y adquirir datos de sismicidad mediante un sistema de vigilancia para la misma ubicacion y periodo de tiempo, y transformar los datos de sismicidad y datos de actividad humana en la primera funcion de tiempo y la segunda funcion de tiempo, respectivamente, caracterizado porque comprende la etapa de:
    - obtener la primera funcion de tiempo eficaz y la segunda funcion de tiempo eficaz mediante transformacion matematica de la primera funcion de tiempo y la segunda funcion de tiempo, respectivamente,
    - determinar la correlacion cruzada normalizada entre la primera funcion de tiempo eficaz y la segunda funcion de tiempo eficaz, NCCetf,
    - evaluar la significacion estadistica de NCCetf,
    - evaluar la probabilidad de que la sismicidad este inducida por la actividad humana basandose en la significacion estadistica de NCCetf.
  3. 3. Metodo segun la reivindicacion 2, caracterizado porque la transformacion matematica se selecciona de los siguientes metodos:
    - transformar la funcion de tiempo al dominio espectral de Fourier mediante transformada de Fourier discreta, multiplicando la parte real e imaginaria de la misma por una funcion de filtrado y transformando el resultado de vuelta al dominio de tiempo,
    - restar el valor medio de una funcion,
    - filtrar con filtro paso alto, paso bajo o paso banda una funcion en el dominio de Fourier mediante un filtro arbitrario,
    - filtrar con filtro paso bajo una funcion en el dominio de tiempo restando el promedio de ventana movil, opcionalmente usando un intervalo de tiempo de ventana ponderada dependiendo la ponderacion del tiempo.
ES12745617.6T 2012-06-29 2012-06-29 Método que discrimina entre sismicidad natural e inducida Active ES2629684T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CZ2012/000058 WO2014000718A1 (en) 2012-06-29 2012-06-29 Method discriminating between natural and induced seismicity

Publications (1)

Publication Number Publication Date
ES2629684T3 true ES2629684T3 (es) 2017-08-14

Family

ID=46640501

Family Applications (1)

Application Number Title Priority Date Filing Date
ES12745617.6T Active ES2629684T3 (es) 2012-06-29 2012-06-29 Método que discrimina entre sismicidad natural e inducida

Country Status (4)

Country Link
US (1) US20140365134A1 (es)
EP (1) EP2834672B1 (es)
ES (1) ES2629684T3 (es)
WO (1) WO2014000718A1 (es)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9416641B2 (en) * 2012-11-04 2016-08-16 Schlumberger Technology Corporation Borehole microseismic systems and methods
US9520910B1 (en) * 2015-09-24 2016-12-13 Nxp B.V. Receiver component and method for enhancing a detection range of a time-tracking process in a receiver

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5191557A (en) * 1986-12-30 1993-03-02 Gas Research Institute Signal processing to enable utilization of a rig reference sensor with a drill bit seismic source
FR2805051B1 (fr) 2000-02-14 2002-12-06 Geophysique Cie Gle Methode de surveillance sismique d'une zone souterraine par utilisation simultanee de plusieurs sources vibrosismiques
US9334718B2 (en) * 2009-01-05 2016-05-10 Schlumberger Technology Corporation Processing time series data embedded in high noise
US20110066380A1 (en) * 2009-09-11 2011-03-17 C12 Energy Inc. Subsurface reservoir analysis based on fluid injection

Also Published As

Publication number Publication date
EP2834672B1 (en) 2017-05-17
WO2014000718A1 (en) 2014-01-03
US20140365134A1 (en) 2014-12-11
EP2834672A1 (en) 2015-02-11

Similar Documents

Publication Publication Date Title
Lekic et al. Cluster analysis of global lower mantle tomography: A new class of structure and implications for chemical heterogeneity
AU2011218878B2 (en) Method and system for using multiple-point statistics simulation to model reservoir property trends
Toda et al. Response of the San Andreas fault to the 1983 Coalinga‐Nuñez earthquakes: An application of interaction‐based probabilities for Parkfield
Katsumata A long-term seismic quiescence started 23 years before the 2011 off the Pacific coast of Tohoku Earthquake (M= 9.0)
Helmstetter et al. Are aftershocks of large Californian earthquakes diffusing?
Santangelo et al. Topographic predictors of susceptibility to alluvial fan flooding, Southern Apennines
Birnie et al. Analysis and models of pre-injection surface seismic array noise recorded at the Aquistore carbon storage site
Beccar-Varela et al. Use of wavelets techniques to discriminate between explosions and natural earthquakes
Panahi et al. Spatial modeling of radon potential mapping using deep learning algorithms
Markofsky When survey goes east: Field survey methodologies and analytical frameworks in a Central Asian context
ES2629684T3 (es) Método que discrimina entre sismicidad natural e inducida
Elío et al. Machine learning in environmental radon science
Rosenburg et al. Topographic power spectra of cratered terrains: Theory and application to the Moon
Dietze et al. A seismic approach to flood detection and characterization in upland catchments
Dimri Fractal solutions for understanding complex systems in earth sciences
Diakakis et al. Exploring the application of a debris flow likelihood regression model in Mediterranean post-fire environments, using field observations-based validation
García-Gil et al. Effects of the 2021 La Palma volcanic eruption on groundwater resources (part I): Hydraulic impacts
Jaquet et al. Estimation of volcanic hazards using geostatistical models
Kim et al. Time‐variability of flow recession dynamics: Application of machine learning and learning from the machine
Byrdina et al. Self potential signals preceding variations of fumarole activity at Merapi volcano, Central Java
Umlauft et al. Mapping glacier basal sliding applying machine learning
Cigolini et al. Radon surveys and monitoring at active volcanoes: Learning from Vesuvius, Stromboli, La Soufrière and Villarrica
Benà et al. A new perspective in radon risk assessment: Mapping the geological hazard as a first step to define the collective radon risk exposure
Sinaga et al. Coulomb Stress Analysis And Monte Carlo Simulation In Predicting Sinabung Pyroclastic Flow
Ibrahim et al. Comparative study of estimating the Curie point depth and heat flow using potential magnetic data