A flow path detection algorithm to improve leakage risk assessment through defective jet-grouted cut-off walls

Abstract

Jetpelevegger er en attraktiv løsning som en kunstig strømningsbarriere for å hindre uønsket strømning av grunnvann i situasjoner hvor tungt utstyr ikke kan anvendes. Sannsynligheten for ukontrollert strømning må begrenses så mye som mulig for å hindre de dramatiske konsekvensene som kan oppstå i visse tilfeller. Pålitelige feltmålinger av strømningsraten gjennom defekte jetpelevegger har vist seg vanskelig å oppnå ettersom det ikke finnes noe annerkjent empirisk rammeverk som beskriver denne risikoen. Numeriske algoritmer har derfor blitt utviklet for å kvantifisere risikoen og for å bistå ingeniører i valg av design. Geometriske avvik har vært et sentralt fokusområde i utviklingen av algoritmene for å kunne beskrive sannsynligheten for sporadiske gjennomstrømningspassasjer.

Denne masteroppgaven foreslår en ny metode kalt FPDA som en inkrementell innovasjon for å beskrive risikoen for gjennomstrømning mer nøyaktig. Arbeidet har vært dedikert til å revidere logikken som brukes for å detektere strømningskanaler gjennom jetpeleveggen. Isteden for å bruke hvis-setninger, har den kraftige grupperingsteknikken DBSCAN blitt brukt for å finne strømningskanaler. Monte Carlo simuleringer har blitt gjennomført for å oppnå statistisk signifikante resultater og et sensitivitetsstudie er utført for å underbygge konklusjonen. Når den nye FPDA-metoden sammenlignes med eksisterende algoritmer, viser det seg at: 1. FPDA-metoden foreslår en 15 % reduksjon i normalisert strømningsrate for jetpelevegger bestående av èn rad av jetpeler. Dette tillater et mindre konservativt design, noe som sparer både penger og miljøet. 2. FPDA-metoden arresterer den eksisterende algoritmens manglende egenskap til å modellere kronglete og svingete strømningskanaler gjennom jetpelevegger bestående av mer enn èn rad av jetpeler. Dette funnet avslører at den eksisterende algoritmen står i fare for å underestimere strømningsraten.

Videre fungerer den nye FPDA-metoden som en muliggjører for å revidere eksisterende kunnskap om lekkasjerisiko gjennom jetpelevegger med en subtil, men betydningsfull, forbedring.

Jet-grouted cut-off walls (JGCOWs) is an attractive solution as an artificial water barrier to prevent undesirable ground water seepage in situations where heavy machinery is not applicable. Failure likelihood for uncontrolled seepage has to be restricted as much as possible because of the dramatic consequences that could follow such events. Accurate field measurements of flow rate through defective JGCOWs has been proven difficult to obtain as a sound and recognized empirical framework is lacking. Numerical algorithms has therefore been developed to enable risk assessment and to aid designers. Focus on geometric imperfections, i.e.positioning errors and random variability of column diameter, has been prioritized in the algorithms to properly replicate the likelihood of occasional penetrating seepage passages.

This thesis proposes a flow path detection algorithm (FPDA) as an incremental innovation to describe the risk of undesired seepage flow more accurately. The focus has been dedicated to revising the logic that is used to detect penetrating passages. Instead of using nested if-statements, the powerful DBSCAN clustering technique is utilized to search for penetrating flow paths. Statistical robustness has been obtained through Monte Carlo simulations and consistency throughout a parametric study demonstrates high confidence in the results. When the new FPDA method was compared to the former algorithm, it was found that: 1. FPDA suggests 15 % reduced normalized flow rate for JGCOWs consisting of one single row of jet-grouted columns, allowing a more economic and environmental design. 2. FPDA arrests the former algorithm’s lacking ability of properly modelling tortuous flow paths through JGCOWs consisting of more than one row of jet-grouted columns, essentially revealing that the risk of underestimating the seepage flow rate is present in the former algorithm.

Furthermore, the proposed FPDA update serves as an enabler to revise existing knowledge about leakage risk through defective cutoff walls with a subtle, yet substantial, improvement.