Abstract.
The natural variation of the fracture/joint network geometry and limited data access are the main sources of uncertainties in key block predictions. To make the uncertainties easily quantifiable the predicting variables should be presented as probability density functions. This paper illustrates the implementation of a stochastic discrete fracture network to predict the amount and size of key blocks around the rock cavern of the Centralt Storage Facility for Spent Nuclear Fuel (CLAB-2, Central Lager Använt Bränsle) in south-eastern Sweden. The data used in the study were effectively limited to fracture mapping in boreholes. The stochastic fracture model was generated with a FracMan discrete fracture simulator by adopting random fracture locations. Subsequently, the key block statistics along a simulated tunnel positioned inside the fracture model were generated. To illustrate the value of the predictions made, block statistics were undertaken for two different tunnel orientations. The methodology presented offers the potential to optimize the excavation design.
Résumé.
La variabilité naturelle de la géométrie des réseaux de fractures et l’accès limité aux données sont les principales sources d’incertitudes dans l’identification des blocs clés. Afin de rendre ces incertitudes aisément quantifiables, les paramètres du modèle devraient être représentés par des variables aléatoires. Cet article illustre la simulation d’un réseau stochastique de fractures destiné à prévoir le nombre et la taille des blocs clés autour de la cavité souterraine de l’installation CLAB-2 dans le sud-ouest de la Suède. Les données utilisées dans l’étude furent effectivement limitées à des données de fractures en sondage. Le modèle stochastique de fractures a été obtenu à partir du simulateur FracMan en générant une localisation aléatoire des fractures. Par la suite les données statistiques relatives aux blocs clés le long d’un tunnel fictif placé à l’intérieur du modèle de fractures ont été obtenues. Pour illustrer la valeur des prévisions faites, les données statistiques sur les blocs clés ont été recherchées pour deux orientations de tunnel. La méthodologie présentée permet d’optimiser la conception des cavités souterraines.
Article PDF
Similar content being viewed by others
Explore related subjects
Discover the latest articles, news and stories from top researchers in related subjects.Avoid common mistakes on your manuscript.
Author information
Authors and Affiliations
Additional information
Electronic Publication
Rights and permissions
About this article
Cite this article
Starzec, .P., Andersson, .J. Probabilistic predictions regarding key blocks using stochastic discrete fracture networks – example from a rock cavern in south-east Sweden. Bull Eng Geol Environ 61, 363–378 (2002). https://doi.org/10.1007/s10064-002-0154-5
Received:
Accepted:
Issue Date:
DOI: https://doi.org/10.1007/s10064-002-0154-5