Met behulp van machine learning om door een decennium aan seismische gegevens te bladeren, hebben onderzoekers honderdduizenden micro-aardbevingen geïdentificeerd langs enkele voorheen onbekende breukstructuren in Oklahoma en Kansas.

Dankzij de nieuw geïdentificeerde micro-aardbevingen konden de seismologen aardbevingsclusters in de regio in kaart brengen en meten, die ongebruikelijke niveaus van seismiciteit hebben ervaren als gevolg van onconventionele olie- en gasproductie.

Zoals ze rapporteren in The Seismic Record , ontdekten de onderzoekers dat 80% van de aardbevingen met een kracht van 4 en grotere aardbevingen die in het afgelopen decennium plaatsvonden, had kunnen worden geanticipeerd op basis van de ruimtelijke omvang van seismische clusters die de grote aardbeving omvatten voordat deze plaatsvond.

Ze ontdekten ook dat zodra een cluster een lengteschaal had bereikt die groot genoeg was om een ​​aardbeving met een kracht van 4 of meer te ondergaan, er bijna 5% kans was dat het dit zou doen binnen een jaar na het bereiken van die lengteschaal, volgens Yongsoo Park, een Ph. .D. student aan Stanford University en collega's.

De clusterinformatie zou door bedrijven en regelgevers kunnen worden gebruikt om in de toekomst olie- en gasactiviteiten te monitoren, suggereren Park en collega's.

Met weinig natuurlijke seismiciteit en onvolledige kartering van fouten in Oklahoma en Kansas vóór de onconventionele ontwikkeling van koolwaterstoffen, hebben onderzoekers gezocht naar nieuwe manieren om het seismische gevaar van de regio te begrijpen.

Park en collega's hadden in een eerdere studie een machine learning-techniek gebruikt om bijna 90.000 onbekende micro-aardbevingen in Arkansas te vinden. "We waren onder de indruk van het resultaat, vooral omdat de catalogus voorheen onbekende clusters onthulde", aldus Park. "We wisten dat de meeste aardbevingen in het gebied van Oklahoma-Kansas plaatsvonden op verborgen fouten in de kelder, dus we wilden de workflow toepassen om deze fouten te onthullen."

De onderzoekers analyseerden opnieuw seismische gegevens die waren verzameld van 17 openbaar beschikbare seismische netwerken in Oklahoma en Kansas van 2010 tot 2019. Met behulp van een neuraal netwerk om aardbevingen en hun P- en S-golfaankomsttijden te detecteren, vonden ze meer dan 300.000 aardbevingen in de gegevens.

Wanneer in kaart gebracht, "verbonden de extra micro-aardbevingen" de punten tussen verspreide aardbevingen en de kleine clusters gevormd door de 60 magnitude 4 of grotere aardbevingen die in het onderzoek waren opgenomen. De nieuw gedetecteerde micro-aardbevingen verlichtten de verrassende aanwezigheid van veel voorheen onbekende fouten, zei Park.

"Het meest verrassende was echter dat veel van de clusters waarvan werd gedacht dat ze gescheiden waren in eerdere studies, in feite verbonden waren door micro-aardbevingen. Met andere woorden, het vinden van kleine aardbevingen is waarschijnlijk niet langer een optie, maar eerder een vereiste wanneer we proberen clusteranalyse uit te voeren op aardbevingsgegevens," zei hij.

Park zei dat regelgevers het gebruikelijke "verkeerslicht" -protocol - dat olie- en gasexploitanten gebruiken om hun activiteiten te controleren en te stoppen of te vertragen om seismisch gevaar te verminderen - kunnen aanpassen om de lengteschaal van een aardbevingscluster op te nemen.

Het oorspronkelijke verkeerslichtprotocol wordt geleid door waargenomen aardbevingsmagnitudes en gecontroleerd door de grootste magnitudegebeurtenis. Het schatten van aardbevingsmagnitudes op de lengteschaal zou dit proces proactief kunnen maken en gecontroleerd door zowel grote als kleine aardbevingen, merken de onderzoekers op.

"Maar omdat de magnitudes slechts schattingen zijn, zouden de vereiste acties waarschijnlijk anders moeten zijn", legt Park uit. Als een lengteschaal van het cluster bijvoorbeeld aanleiding geeft tot bezorgdheid, "kunnen de toezichthouders de operators vragen om meer seismometers rond het betreffende cluster te plaatsen om de verborgen fout beter in kaart te brengen." + Verder verkennen

De aard van grote aardbevingen begrijpen