DFN生成 | 断裂产状之分解法(disaggregate approach)
1 引言
离散断裂网络(DFN)【离散断裂网络[DFN.]FISH函数分类与解析(UDEC和3DEC)】模型使用统计分布描述不连续的特征,三个主要的构成要素分别为:断裂产状(orientation)【断裂产状(Fracture Orientation)的概率密度函数---Fisher分布】、断裂强度(Intensity)【断裂强度的不同测量方法(Different Measures of Fracture Intensity)】和断裂尺寸(Length)【岩体统计模型---对数正态分布(log-normal distribution)】。
近年来,DFN模拟在岩石工程稳定性分析中得到了广泛研究和应用,包括合成岩体SRM生成【中英文混合的段落相似度查询---Bonded Particle Model (BPM)】,露天矿边坡稳定性评估【深部露天矿边坡稳定性---迪亚维克钻石矿(Diavik Diamond Mine)】,岩体预处理(pre-conditioning)量化【水力压裂技术在崩落采矿中的最新应用(Hydraulic Fracturing)】,岩桥百分比估计【公众 号文章的自我聚合: 岩桥(Rock Bridge/Step-Path)】以及崩落采矿的岩石破碎估计【岩石破碎(Rock Fragmentation)的数值模拟(block fragment compute)】等。
DFN生成的主要软件有3DEC, UDEC, FLAC, PFC,Fracman和MoFrac,进行DFN研究的大学(仅加拿大)有UBC, SFU, Laurentian University, Queen's University 和 University of Toronto,使用DFN进行稳定性分析的采矿咨询公司主要有Fracman的开发者Golder Associates以及SRK Consulting。
本文讨论了DFN模型生成的第一要素断裂产状(fracture orientation),着重讨论了断裂产状的分解法(disaggregate approach)。
2 分解法
节理系统的模拟有两种方法:集 合法(aggregate approach)和分解法(disaggregate approach)。集 合法把所有的节理模拟为一个组,对所有断裂应用相同的统计分布,而分解法是把所有的节理分为不同的组。边坡工程的试验结果显示,集 合法生成的DFN模型呈现出非常大的波动性,高估或低估了岩体重要的断裂属性,包括尺寸、强度和产状,导致边坡上形成的块体数量和体积很难代表现场真实状况((2018) Influence of Data Characterization Process on the Kinematic Stability Analysis of Engineered Rock Slopes),因此岩石工程主要采用分解法建立DFN模型。分解法对每个断裂组(fracture set)的产状单独应用统计分布生成DFN模型,然后联合单独生成的组来获得断裂产状的整体表示。使用Dips(V8.013)确定断裂组,其变异性由Fisher分散系数"K"表示,较大的"K"值表示更紧密的集群。 3 统计分布
(7) Eliptical Fisher distribution
相关文章,在仿真秀官网搜索:
[1] (1985) Rock joint Systems【这是我见过的最多页数的博士论文---Rock Joint Systems】
[2] (2007) The Importance of Intact Rock Bridges in the Stability of High Rock Slopes ― Towards a Quantitative Investigation Using an Integrated【联合6种Transformers预训练模型】[3] (2016) Characterisation of block cave mining secondary fragmentation【块体崩落采矿的岩石破碎评估方法(fragmentation assessment)】[4] (2017) Linking The Fracture Intensity of An In Situ Rock Mass to Block Cave Mine Fragmentation【崩落采矿中岩石断裂的简化模拟途径Block Cave】[5] (2017) Overhanging rock slope by design【利用文本相似度聚类产生能够再学习的新文档】[6] (2018) Emergent Properties of MoFrac-Generated Discrete Fracture Networks【6款离散断裂网络(DFN)模拟工具简介】[7] (2018) Influence of data analysis when exploiting DFN model representation in the application of rock mass classification systems【岩石边坡工程课程---工程岩体分类[Engineering Rock Mass Classification](C5)】[8] (2018) Influence of Data Characterization Process on the Kinematic Stability Analysis of Engineered Rock Slopes【露天采矿台阶楔形体稳定性(Bench Wedge Stability)】[9] (2019) Advances in Pit Wall Mapping and Slope Assessment using Unmanned Aerial Vehicle Technology【在海平面下采矿---神奇的Island Copper露天矿】[10] (2022) DFN Analysis to Quantify the Reliability of Borehole Derived Volumetric Intensity【体积断裂强度P32(Volumetric Fracture Intensity)聚合】