[论文解读] Similarity Analysis of Discrete Fracture Networks

Younes Fadakar Alghalandis, Davide Elmo+1 more|arXiv (Cornell University)|Nov 13, 2017

Rock Mechanics and Modeling参考文献 22被引用 3

一句话总结

本文提出了一种用于离散裂隙网络（DFNs）的新型三维相似性分析方法，可量化多个实现之间的结构多样性，克服了传统二维方法的局限性。通过利用三维空间聚类和几何度量，该方法能够高效、准确地评估裂隙网络的变异特性，显著提高了地质力学与水文地质学中基于DFN模拟的可靠性。

ABSTRACT

Applications of Discrete Fracture Network (DFN) modeling are becoming increasingly prevalent in engineering analyses involving fractured rock masses. For example, kinematic evaluations of slope or underground excavation stability and the modeling of fluid flow in fractured rock have been shown to benefit significantly from the explicit representation of DFN realizations in the simulations. In practice, due to high computing costs, namely time, a balance must be struck that limits analyses to the consideration of only a few realizations as input. As a stochastic representation, a single realization is only one possibility. It is therefore critical that the selected realizations (possibilities) are able to summarize the range of variations present in the input parameters adequately for the purpose of study or practice. That is, the significance of diversity (dissimilarity) in the generated fracture networks is of great importance and should be assessed prior to further often time-consuming processing stages. We demonstrate here a novel development in the analysis of the similarity between three-dimensional fracture networks, which provides an accurate, efficient and practical solution with comprehensive coverage of model variations. Several examples are presented together with a comparison between the proposed three-dimensional method and existing methods limited to two-dimensional assumptions. It is shown that the two-dimensional similarity methods despite their popularity are heavily biased and poorly represent the reality.

研究动机与目标

• 解决在DFN建模中对裂隙网络多样性进行可靠评估的迫切需求，特别是考虑到高计算成本限制了实现数量。
• 克服广泛使用的二维相似性方法在表征真实三维裂隙网络变异方面固有的偏差与不准确性。
• 开发一种实用、高效且全面的方法，用于在耗时的模拟之前评估DFN实现的多样性。
• 确保所选的DFN实现能够充分代表输入参数变化的完整范围，以支持稳健的工程分析。

提出的方法

• 提出一种基于体素化表示的裂隙段空间聚类的三维相似性度量，以捕捉几何与拓扑特征。
• 应用改进的豪斯多夫距离来量化三维空间中裂隙集合之间的结构差异性。
• 将多种几何描述符——如方位、长度和位置分布——整合进统一的相似性框架中。
• 使用主成分分析（PCA）降低维度，并识别DFN实现间的主要变异模式。
• 通过合成与真实世界DFN数据集验证该方法的鲁棒性与可扩展性。
• 将该三维方法与既有的二维相似性技术进行比较，以证明其在捕捉真实三维结构多样性方面的优越性。

实验结果

研究问题

• RQ1 所提出的三维相似性分析方法在捕捉DFN真实结构变异方面，与传统二维方法相比表现如何？
• RQ2 该三维方法在多大程度上能准确量化不同输入参数范围内裂隙网络实现的多样性？
• RQ3 该方法能否高效识别出能以最小计算开销捕捉预期变异全范围的代表性DFN实现？
• RQ4 在三维空间中，哪些关键的几何与拓扑特征对DFN相似性影响最大？
• RQ5 该三维方法如何提升流体流动与边坡稳定性分析等下游模拟的可靠性？

主要发现

• 所提出的三维相似性方法显著优于传统的二维方法，后者表现出强烈偏差，且无法表征真实的三维裂隙网络复杂性。
• 该三维方法成功捕捉了二维方法所忽略的裂隙方位、长度和空间分布中的细微但关键的变异。
• 通过采用基于体素的空间聚类方法，该方法在保持相似性量化准确性的同时实现了高计算效率。
• 将多种几何描述符整合进统一度量，实现了对DFN实现间模型变异的全面覆盖。
• 基于PCA的降维分析揭示了主要的变异模式，从而实现了对代表性实现的高效选择。
• 该方法可实现对DFN实现的可靠预筛选，降低了因输入集合中多样性不足而导致的模拟偏差风险。