HydroGeoSphere/二維隨機裂縫生成器

二維隨機裂縫生成器可用於在二維空間中生成隨機裂縫網路，目前僅在 *xz* 平面中。然而，在 *y* 方向上，可以使用多個塊。

開始二維隨機裂縫...結束

導致grok 開始讀取描述二維隨機裂縫生成的指令，直到它遇到結束指令。

• • •

以下可選指令可用於修改裂縫生成器的預設行為

隨機裂縫的數量

n rfractures 要生成的隨機裂縫數量。

預設情況下，二維隨機裂縫網路將包含 80 個裂縫。

• • •

使用恆定種子

the_seed 二維隨機裂縫生成器的種子。

導致二維隨機裂縫生成器使用恆定種子the_seed 每次執行grok 時生成相同的隨機裂縫網路。

預設情況下，二維隨機裂縫生成器使用基於當前系統時間的與時間相關的值作為種子。在這種情況下，它每次執行grok 時都會生成不同的 裂縫網路。

無論哪種情況，種子值都會寫入字首o.eco檔案，可用於多次生成相同的隨機裂縫網路。

• • •

生成方向分佈

or_n_classes 方向類別數。
or_first_class middle 最小方向類別的中間值。
or_last_class middle 最大方向類別的中間值。
or_sigma 兩個高斯分佈的標準差 ${\sigma }_{1}$ 。
or_my1 第一個高斯分佈的均值 ${\mu }_{1}$ 。
or_my2 第二個高斯分佈的均值 ${\mu }_{2}$ 。

導致grok 讀取用於定義裂縫方向分佈的引數，該分佈遵循雙峰高斯分佈，根據

P({\alpha })=P_{1}({\alpha })+P_{2}({\alpha })

(方程 5.1)

其中，變數 $x$ 的正態分佈 $P(x)$ ，其均值為 ${\mu }$ ，方差為 ${\alpha }^{2}$ ，具有機率函式

P(x)={\frac {1}{{\sigma }{\sqrt {2{\pi }}}}}e^{-{\frac {(x-{\mu })^{2}}{2{\sigma }^{2}}}}

(方程 5.2)

對於域 $x{\epsilon }(-{\infty },{\infty })$ 。

預設情況下，表 5.1 中給出的值用於定義這些關係

表 5.1：二維隨機裂縫方向的預設值
引數	值	單位
方向類別數	13	-
最小方向類別的中間值	30	度
最大方向類別的中間值	150	度
兩類資料的標準差 ${\sigma }$	15	度
第一個高斯分佈的均值 ${\mu }_{1}$	60	度
第二個高斯分佈的均值 ${\mu }_{2}$	120	度

• • •

生成孔徑分佈

ap_n_classes 孔徑類別數量。
ap_first_class_middle 最小孔徑類別的中間值。
ap_last_class_middle 最大孔徑類別的中間值。
ap_lambda ${\lambda }$ 指數孔徑分佈的。

導致grok讀取用於定義裂縫孔徑分佈的引數，該分佈遵循指數分佈，根據

P(x)=P_{O}\cdot e^{-{\lambda }x}

(公式 5.3)

請注意，對於 ${\lambda }$ 的高值，指數分佈變得更陡峭，小孔徑數量更多，而 ${\lambda }$ 的小值則偏向於較大的孔徑。

預設情況下，表 5.2 中給出的值用於定義這些關係

表 5.2：二維隨機裂縫孔徑的預設值
引數	值	單位
孔徑類別數量	10	-
最小孔徑類別的中間值	50	微米
最大孔徑類別的中間值	300	微米
${\lambda }$ 指數孔徑分佈的	9000	-

• • •

生成對數正態長度分佈

le_n_classes 長度類別數量。
le_first_class_middle 最小長度類別的中間值。
le_last_class_middle 最大長度類別的中間值。
lognormal_m ${\mu }$ 對數正態分佈的。
lognormal_s ${\sigma }$ 對數正態長度分佈的。

導致grok讀取用於定義裂縫長度分佈的引數，該分佈遵循對數正態分佈，根據

P(x)={\frac {1}{{\sigma }x{\sqrt {2{\pi }}}}}e^{-{\frac {(lnx-{\mu })^{2}}{2{\sigma }^{2}}}}

(公式 5.4)

預設情況下，表 5.3 中給出的值用於定義這些關係

表 5.3：二維隨機裂縫長度的對數正態分佈預設值
引數	值	單位
長度類別數量	10	-
最小長度類別的中間值	0.1 $\cdot$ min( $L_{x},L_{z}$ ) †	米 ‡
最大長度類別的中間值	min( $L_{x},L_{z}$ )	m
${\mu }$ 對數正態分佈的	2.9	-
${\sigma }$ 對數正態長度分佈的	0.45	-

† 符號 $L_{x}$ 和 $L_{z}$ 分別表示模擬域在 x 方向和 z 方向的長度。
‡ 儘管此表中顯示了米的長度單位，但使用者可以根據第 5.1.2 節中的說明進行不同的定義。

需要注意的是，對數正態分佈 ${\Lambda }({\mu },{\sigma }^{2})$ 是由曲線 ${\Lambda }(0,{\sigma }^{2})$ 透過以下方法得到的

在 x 方向上拉伸 $e^{\mu }$ 。
在 z 方向上拉伸 $e^{-{\mu }}$ 。

因此， ${\mu }$ 的值越大，峰值將越向右移動。改變標準偏差 ${\sigma }$ 將影響分佈的散射，其中較小的 ${\sigma }$ 導致更少的散射和更尖銳的峰值。

• • •

指數長度分佈

導致 grok 使用裂縫跡線的指數分佈，而不是預設的對數正態分佈。

• • •

生成指數長度分佈

le_n_classes 長度類別數量。
le_first_class_middle 最小長度類別的中間值。
le_last_class_middle 最大長度類別的中間值。
le_lambda ${\lambda }$ 指數長度分佈的。

與指數長度分佈指令一起使用，這將導致 grok 讀取用於定義裂縫長度分佈的引數，該分佈根據以下公式遵循指數分佈：

P(x)=P_{O}\cdot e^{-{\lambda }x}

(公式 5.5)

請注意，對於 ${\lambda }$ 的高值，指數分佈變得更加陡峭，短裂縫數量更多，而較小的 ${\lambda }$ 有利於更長的裂縫。

預設情況下，表 5.4 中給出的值用於定義這些關係。

表 5.4：二維隨機裂縫長度的預設值，指數分佈
引數	值	單位
長度類別數量	10	-
最小長度類別的中間值	0.1 $\cdot$ min( $L_{x},L_{z}$ ) †	米 ‡
最大長度類別的中間值	min( $L_{x},L_{z}$ )	m
${\lambda }$ 指數長度分佈	0.05	-

† 符號 $L_{x}$ 和 $L_{z}$ 分別表示模擬域在 x 和 z 方向上的長度。
‡ 儘管此表中顯示了米的長度單位，但使用者可以根據第 5.1.2 節中的說明進行不同的定義。

• • •

輸出隨機孔隙

將生成的孔隙分佈資料和單個裂縫孔隙寫入輸出檔案 prefixo.rfrac.apertures.

• • •

輸出隨機長度

將生成的長度分佈資料和單個裂縫長度寫入輸出檔案 prefixo.rfrac.lengths.

• • •

輸出隨機方向

將生成的方位分佈資料和單個裂縫方位寫入輸出檔案 prefixo.rfrac.orientations.

• • •

輸出隨機裂縫

將裂縫帶孔隙率、導水率和位置資料寫入輸出檔案 prefixo.rfrac.fractures.

• • •

預設分佈

圖 5.3 概述了二維隨機裂縫生成器採用的預設分佈。方向分佈（圖 5.3a）基於以下假設：構造應力導致圖 5.3b 所示的兩個裂縫族形成。然而，在為 ${\mu }_{1}$ 和 ${\mu }_{2}$ 分配相同的數值時，分佈將坍縮為單峰分佈。孔隙的預設分佈（圖 5.3c）是指數分佈，使用者可以修改它。預設情況下，裂縫跡線呈對數正態分佈（圖 5.3d），可以更改為指數分佈。請注意，裂縫跡線分佈取決於域尺寸。這裡，一個塊的尺寸為 $L_{x}$ = 100 m, $L_{y}$ = 1 m 和 $L_{z}$ = 50 m。

示例不規則裂縫網路

以下指令用於生成圖 5.4 中顯示的不規則裂縫網路。請注意 80° 和 135° 兩個方位的主導性。

!_______________________ grid definition

generate uniform blocks
100.0 200
1.0 1
50.0 100

adapt grid to fractures
3

end

...etc...

!_______________________ fracture media properties

use domain type
fracture

properties file
eval.fprops

begin random fractures

use constant seed
0.5

number of random fractures
70

exponential length distribution

generate orientation distribution
10
60.
150.
10.
80.
135.

output random apertures
output random lengths
output random orientations
output random fractures

end

read properties
fracture