DFN modelling of jointed rock mass Eevaliisa Laine, GTK KYT2018 Seminar Topic: Numerical modelling of jointed rock mass and rock joints Time: Friday 1 st December 2017 9.00 AM 2.00 PM
DFN modelling of jointed rock mass 1. Definitions 2. Background 3. Example workflows 4. Software comparative table 5. Conclusions
Rock brokenness Comprised from fractures and faults caused by tectonic movements, thermal effects and land uplift, Resulting a complicated fracture pattern, difficult to model using deterministic methods Stochastic simulations is used and produces unlimited amount of as propable realizations, these are used in physical modelling despite of the fact that they are difficult to validate somehow by using hydraulic tests or by simulating rock fracturing starting from inferred paleo stresses In most applications, these discontinuities are critical factors for rock strength, flow characteristics and thermal properties of the rock mass
DFN A discrete fracture network DFN refers to a computaional model that explicitly represents the geometrical properties of each individual fracture, and the topological relationships between individual fractures and fracture sets. Lei et al. 2017 From geological mapping Stochastic realization Geomechanical simulation Conventional definition: stochastic fracture network
DFN fracture simulation Starting point Geological mapping Fracture properties Paleostresses Fracture simulation Geologically inferred 2D-3D fracture patterns Statistically simulated fracture network Geomechanically computed fracture patterns
Fracture properties Azimuth and dip Fracture dimensions Roughness of fracture surfaces Fracture filling Fracture aperture Density: number of fractures per unit length P10, area P20, volume P30 Intensity: length P10, area P21, volume P32
Fracture observations Fracture properties vary in short distances and it is difficult to predict subsurface 3D fracture patterns based on the surficial 2D fracture patterns Fracture observations Scanline measurements along the lines Areally e.g. from lidar data or drones: fracture patterns, fracture intensity and density Window mapping Circular scanlines: fracture density, intensity and mean length Outcrop mapping (Pajunen et al. 2008) using a specific fracture mapping form
Fracture properties
Palmottu
Fracture density Fracture locations Poisson distribution (completely random) Testing possibilities using paleostresses Fraktals Distances from large fracture zones Mathematical models Lidar data, drone pictures
An example from Uunimäki gabro Geological fracture mapping Fault modelling Fracture property statistics Fracture simulation using GOCAD Fractcar
Fracture orientation distributions Diagrams by the Matlab script by Markovaara-Koivisto & Laine 2012
Rakosimulointi Rakojen sijainti Rako-ominaisuudet Geologinen historia ohjelmistot FracSim3D Homogeeninen Poissonin prosessi Epähomogeeninen pisteprosessi Ryhmittelypiste-prosessit Cox-prosessit Raot oletetaan ellipsin muotoisiksi. Rakojen ominaisuudet mallinnetaan merkittynä pisteprosessina. Rakojen koko: tasainen, eksponentiaalinen, lognormaali power law jakauma sekä myös epäparametrinen lähestymistapa Rakosuunnat: Tasainen, wrapped normaali (2d), von Mises (2d) ja Fisherin jakauma Ryhmittely-pisteprosessit: mahdollisuus mallintaa rakoilun geologisia suhteita Fracman Baecher-rakomalli, raot sijoittuneet homogeenisesti Poissonin jakauman mukaan Levy-Lee fraktaalimalli, Levy-Flight - menetelmä Lähin-naapuri-malli Raot esitetään polygoneina Rakosuunnat: Tasainen, Fisher ja bivariate Fisher, elliptical Fisher, bivariate normal, bivariate bingham, bootstrap, Rakojen päättyminen toisiinsa Beaherin kehittynyt malli) Lähin-naapuri mallissa tavallaan voidaan ajatella rakojen liittyvän tiettyihin suuriin rakenteisiin MOVE Valmiina gridinä tai perustuen rakoilun intensiteettiin, mikä on päätelty kallion jännitystilasta 3D modelling tools Ouput: Fracture network model Finite element mesh GOCADplugin Fractcar Valmiina gridinä interpoloituna rakotiheysaineistoista ROSA code 2018 GeovariancesISATIS: MPSsimulointi, Boolean simulointi Open R, Octave, Julia,. koodit Rakosimulointityövuo voidaan räätälöidä Sovellutuksen mukaan Multipoint statistical tools linked with ROSA code Spatial and advanced statistical tools linked with ROSA code (e.g. Julia) FEMDEM simulating fracturing using palaeostresses
Päätelmät Rakoverkkomallinnus perustuu suurelta osin tilastollisiin menetelmiin ja rakojen sijainti/tiheys mallinnetaan käyttämäll erilaisi spatiotilastollisia menetelmiä. Rakoverkon luomisessa on edelleen paljon ongelmia: 1) tilastolliseen malliin perustuva malli luo usein aika vaatimattomaan aineistoon perustuen rakoverkon, jota on vaikea validoida 2) rakotiheys ja rakojen sijainnit: vaikeasti ennustettavissa 3) järkevää olisi kehittää rakoverkkomallinnusvuo koostuen eri mittakaavan mallinnusmenetelmistä 4) tulevaisuus laskentatehon kasvaessa: geologisen, geomekaanisen ja stokastisen rakosimuloinnin yhdistäminen
Työ liittyy KYT2018/ROSA Laine& Markovaara- Koivisto Rakohavainnot Havaitut rakoilukuviot DATA (WP1 and WP2) Linja- ja ympyrämittaukset RAKORYHMÄT/-SETIT Matlab skripti (Markovaara-Koivisto and Laine 2012) Korkeusmalli Julia/Python skriptit (WP2) Geologinen taustatieto RAKOJEN PAIKAT Perustuen rakojen havaittuun jakaumaan (WP2, Julia tai Poissonin jakauma & havaitut rakotiheydet C/R (WP1) Python) RAKO-OMINAISUUDET Rakosuuntien jakaumat R:llä (WP1) Merkityt pisteprosessit (rakopituudet etc.) (WP2) RAKOVERKKOMALLINNUS DFN, MPS, Rakoverkon mallinnus (C WP1, suppeampi Julia WP2) VALIDOINTI (WP2) Rakosuunnat Palaeojännitykset Simuloidut raot Rakojen alueellinen jakautuminen??? 3D- JA 4D-VISUALISOINTI (WP4) Paraview/Geocando
Kiitos! Eevaliisa Laine: eevaliisa.laine@gtk.fi Kartta Atso Vorma