Stochastic heterogeneity modeling of braided river aquifers - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2015

Stochastic heterogeneity modeling of braided river aquifers

Modélisation stochastique de l'hétérogénéité des aquifères formés par des rivières en tresses

Résumé

In this thesis a new pseudo-genetic method to model the heterogeneity of sandy gravel braided-river aquifers is proposed. It is tested and compared with other modeling approaches on a case study of contaminant transport. Indeed, in Switzerland or in mountainous regions, braided-river aquifers represent an important water resource that need to be preserved. In order to manage this resource, a good understanding of groundwater flow and transport in braided-river aquifers is necessary. As the complex heterogeneity of such sedimentary deposits strongly influences the groundwater flow and transport, groundwater behavior predictions need to rely on a wide spectrum of geological model realizations. To achieve realistic sedimentary deposits modeling of braided river aquifers, the proposed pseudo-genetic algorithm combines the use of analogue data with Multiple-Point Statistics and process-imitating methods. The integration of analogue data is a key feature to provide additional, complementary and necessary information in the modeling process. Assuredly, hydrogeologist are often subject to field data scarcity because of budget, time and field constraints. Multiple-Points Statistics recent algorithms, on one hand, allow to produce realistic stochastic realizations from training set with complex structures and at the same time allow to honor easily conditioning data. On the other hand, process-imitating methods allow to generate realistic patterns by mimicking physical processes. The proposed pseudo-genetic algorithm consists of two main steps. The first step is to build main geological units by stacking successive topography realizations one above the other. So, it mimics the successive large flood events contributing to the formation of the sedimentary deposits. The successive topographies are Multiple-Point Statistics realizations from a training set composed of Digital Elevation Models of an analogue braided-river at different time steps. Each topography is generated conditionally to the previous one. The second step is to generate fine scale heterogeneity within the main geological units. This is performed for each geological unit by iterative deformations of the unit bottom surface, imitating so the process of scour filling. With three main parameters, the aggradation rate, the number of successive iterations and the intensity of the deformations, the algorithm allows to produce a wide range of realistic cross-stratified sedimentary deposits. The method is tested in a contaminant transport example, using as reference Tritium tracer experiment concentration data from the MAcro Dispersion Experiment (MADE) site, Columbus, Mississippi, USA. In this test case, an assumption of data scarcity is made. Analogue data are integrated in the geological modeling process to determine the input parameters required -- characteristic dimensions and conductivity statistical properties -- for two variants of the proposed pseudo-genetic algorithm as well as for multi-gaussian simulation and object based methods. For each conceptual model, flow and transport simulations are run over 200 geological model realizations to cover a part of the uncertainty due to the input parameters. A comparison of the plume behavior prediction is performed between the different conceptual models. The results show that geological structures strongly influence the plume behavior, therefore the choice or the restriction to specific conceptual models will impact the prediction uncertainty. Though little information are available for the modeler, it is possible to achieve reasonable predictions by using analogue data. Of course, with limited information, it is impossible to make an accurate prediction to match the reference, and none of each conceptual model produces better predictions but all are useful to cover the uncertainty range. The results also underline the need to consider a wide exploration of the input parameters for the various conceptual models in order to recover the uncertainty.
Cette thèse propose une nouvelle méthode de modélisation de l'hétérogénéité des aquifères sablo-graveleux de rivières en tresse. la méthode est ensuite testée sur un cas de transport de contaminant et comparée à d'autres méthodes de modélisation. De tels dépôts sédimentaires sont communs en Suisse ou dans les régions montagneuses et sont les réserves d'une part importante de l'eau consommée. Pour préserver et gérer au mieux la ressource, une bonne compréhension des phénomènes d'écoulement et de transport dans ces milieux est requise. De plus, ces écoulements étant fortement influencés par l'hétérogénéité et les structures complexes de ces dépôts, la prédiction de l'incertitude liée à l'évolution d'un panache nécessite un éventail large et varié de modèles géologiques. Afin d'obtenir des structures sédimentaires réalistes pour ces milieux générés par les rivières en tresses, l'algorithme pseudo-génétique proposé intègre l'utilisation de données d'analogues combinée avec des techniques basées sur les statistiques multi-point et l'imitation des processus. L'intégration de données d'analogues dans la modélisation est un élément clé pour palier au manque de données de terrain auquel les hydrogéologues sont souvent confrontés. D'autre part, les récents algorithmes multi-point permettent de généré des réalisations stochastiques réalistes à partir de données d'entrainement contenant des structures complexes. De plus, les méthodes basées sur l'imitation des processus permettent également de générer des motifs réalistes en tenant compte des phénomènes physiques observés. L'algorithme pseudo-génétique est composé de deux étapes. La première consiste à construire les unités géologiques importantes à l'échelle du domaine modelisé. Cette étape est réalisée par l'empilement de topographies sucessives, ce qui revient à imiter la sucession de grandes crues survenant dans les rivières en tresse et contribuant au dépôt des sédiments. Les topographies successives sont générées par simulation multi-point, à partir de données d'entrainement composées de modèles numériques de terrain à différentes dates d'une rivière en tresses analogue. La deuxième étape consiste à générer l'hétérogénéité à petite échelle, à l'intérieur des unités géologiques principales. Pour cela, la surface de fond de chaque unité géologique est déformée itérativement, imitant ainsi le processus de remplissage des auges. Ainsi, avec trois paramètres essentiels: le taux d'aggradation, le nombre d'itération et l'intensité des déformation, il est possible de générer une grande varieté de structures sédimentaires entrecroisées réalistes. Les modèles géologiques obtenus sont ensuite testés dans un exercice visant à prédire l'évolution d'un plume contaminé, utilisant comme référence les données de concentration de l'expérience de traçage au Tritium du site expérimental de Macro Dispersion (MADE), Columbus, Mississippi, USA. Pour rendre le contexte de modélisation réaliste, l'hypothèse que peu de données sont diponibles est faite. Des données d'analogues sont intégérées aux processus de modélisation pour déterminer les paramètres d'entrée requis -- comme les dimensions charactéristiques ou les propriétés statistiques des champs de conductivité -- pour deux variantes de l'algorithme pseudo-génétique proposé et également pour une méthode basée sur les simulations de champs multi-gaussien et pour une méthode de modélisation par objets. Pour chaque concept, 200 modèles géologiques différents sont générés pour couvrir en partie l'incertitude liée aux paramètres des modèles. Les prédictions du comportement des panaches sont ensuite comparées entre les différents modèles. Les résultats montrent que les différentes structures géologiques influencent fortement le comportement des panaches. Conséquemment, le choix des modèles conceptuels a donc une incidence sur l'incertitude des prédictions. Même si peu de données sont disponibles, il est tout à fait possible d'obtenir des prédictions raisonables en utilisant des données d'analogues. Bien évidemment, avec des données limitées, il n'est pas étonnant de ne pas avoir une seule prédiction reproduisant la référence. Bien qu'aucune méthode en particulier ne produise de meilleures prédictions que les autres, toutes sont utiles pour couvrir la portée de l'incertitude. Cela souligne également la nécessité d'explorer l'espace des paramètres pour différents modèles conceptuels, afin de ne pas sous-estimer l'incertitude des prédictions.
Fichier principal
Vignette du fichier
manuscriptGuillaumePirot.pdf (22.07 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-01208477 , version 1 (02-10-2015)

Identifiants

  • HAL Id : tel-01208477 , version 1

Citer

Guillaume Pirot. Stochastic heterogeneity modeling of braided river aquifers: A methodology based on multiple point statistics and analog data. Earth Sciences. University of Neuchâtel, 2015. English. ⟨NNT : ⟩. ⟨tel-01208477⟩
154 Consultations
71 Téléchargements

Partager

Gmail Facebook X LinkedIn More