BALAH Yahia-GMin-ING-2020 PDF

‫الجمهورية الجزائرية الديمقراطية الشعبية‬
REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

‫وزارة التعليم العالي والبحث العلمي‬
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE
‫ عنابة‬-‫عمار العسكري‬- ‫المدرسة الوطنية العليا للمناجم والمعادن‬
ECOLE NATIONALE SUPERIEURE DES MINES ET DE LA METALLURGIE
AMAR LASKRI- ANNABA
Département Génie Minier
Mémoire de Fin d’Etudes

En vue de l’obtention du Diplôme d’INGENIEUR
Spécialité : Génie Minier
Thème
Modélisation stochastique d’un réseau de

fractures et application à la résistance d’un
massif rocheux
Présenté par : Yahia BALAH Encadré par : Dr. Hamza CHENITI
Jury de Soutenance
Dr. Sameh HABES MCB, ENSMM-Annaba Président
Dr. Mouna BOUGHAMSA MCB, ENSMM-Annaba Examinateur
Dr. Hamza CHENITI MCB, ENSMM-Annaba Encadreur
Septembre 2020
Remerciement
J e tiens à remercie en premier lieu Allah (‫ )للاه‬le Clément, le Miséricordieux et le

Tout‫ه‬Puissant de m’avoir donné la force, le courage, la patience et la volonté
pour effectuer ce travail et réaliser mon objectif donné d'un côté, et d'un autre
pour finaliser mes études supérieures.
J’adresse mes sincères remerciements à mes très chers parents pour leur soutien durant
toute ma vie car ils ont la seule personne qui s’inquiète sur mon avenir.
Je voudrais adresser toute ma gratitude, reconnaissance et mes grandes salutations à

mon encadreur Mr CHENITI Hamza, pour sa patience, sa disponibilité et son soutien
durant cette période.
A ce titre, je remercie toute la famille enseignante et administrative pour leurs

judicieux conseils, leurs écrits et paroles qu’ils ont été le support et le guide pour notre
formation.
Je profite l’occasion et je remercier le directeur de l’’Ecole Nationale Supérieure des

Mines et de la Métallurgie d’Annaba Mr BENSIHAMDI Salim, et la directrice de la
résidence universitaire CEFOS-2 Mm ZERARKA Sabrina, pour leur attitude humaine et
paternelle durant ma période critique de maladie.
Dédicace
A mes chers parents, pour tous leurs sacrifices, leur amour, leur
tendresse, leur soutien et leurs prières tout au long de mes études,
mes chères sœurs, Khadidja et Zineb pour leurs encouragements

permanents, et leur soutien moral,
A mes chères enseignantes qui je les considère comme mères, Mm HABES Drici
Sameh et Mm BOUTRFIF Leila pour leurs encouragements durant cette période
d’étude,
A mes chers amis qui je les considère comme sœurs et frères, Isra.G et Selma.R,
sans oublier Imad.G, Abdeldjouad.L, Ali.A, Bilal.L, Oualid.B, Abdellah.O,
Ameur.H et Younes.L,
A mes cousins, Ibrahim.H, Ilyas et Rafik pour leur appui et encouragement tout
au long de mon parcours universitaire
Que ce travail soit l’accomplissement de vos vœux tant allégués, et le fuit de

votre soutien infaillible,
Merci d’être toujours là pour moi.
BALAH Yahia
Résumé :
L’exploitation minière est art existant depuis l’antiquité qui concerne à extraire les
substances utiles (minérales et/ou non-minérales) de la terre. Cette activité est considérée
comme un secteur économique puissant dans la plupart des pays.
Pour assurer un rendement efficace d’une zone d’exploitation (mine ou une carrière) à
ciel ouvert ou souterraine ou bien champ pétrolier, nous devons assurer sa stabilité à long
terme, et pour cela nous somme face à la nécessité d’étudier la stabilité du site par l’étude de
son comportement mécanique et sa résistance.
Dans la nature, c’est difficile de trouver un massif rocheux intact, alors, avant
d’étudier la résistance d’un bloc de roche ou un pilier d’une mine souterraine, on doit étudier
ses fracturations sur différentes échelles.
La résistance d’un massif rocheux est liée par son degré de fracturation, car les
fractures sont considérées comme un point de faiblesse.
Pour cela dans ce travail, on a essayé de modéliser les fractures d’une façon aléatoire
dite stochastique dans un massif rocheux et étudier leurs impacts sur la résistance de ce
dernier.
A l’aide de logiciel MATLAB, on a essayé d’avoir un modèle plus proche de la réalité

d’un bloc fracturé et on a essayé d’évaluer sa résistance.
Mots clés :
Massif rocheux, modélisation stochastique, fractures, comportement mécanique, résistance.
Abstract :
Mining is an art that has existed since antiquity and involves extracting useful substances
(mineral and/or non-mineral) from the earth. This activity is considered a powerful economic
sector in most countries.
In order to ensure an efficient performance of an exploitation area (mine or quarry) in

open or underground mines or oil fields, we must ensure its long-term stability, and for this
we are faced with the need to study the stability of the site by studying its mechanical
behaviour and its resistance.
In nature it is difficult to find an intact rock mass, so before studying the resistance of
a block of rock or a pillar of an underground mine, we must study its fracturing on different
scales.
The strength of a rock mass is related to its degree of fracturing, as fractures are
considered a point of weakness.
For this reason, in this work we have tried to model the fractures in a random,
stochastic way in a rock mass and to study their impact on the resistance of the rock mass.
With the help of MATLAB software, we tried to have a model of a fractured block
closer to reality and we tried to evaluate its resistance.
Key words :
Rock mass, stochastic modelling, fractures, mechanical behaviour, resistance
‫ملخص‪:‬‬
‫استغاللهالمناجمهأوهالتعدينهفنهموجو هدهمن هذهالعصورهالقديمةهويشملهاستخراجهالموا هدهمفيدةه(معدنيةه‬

‫و‪/‬أوهغيرهمعدنية)همنهاألرض‪،‬هإذهأنههيعتبرهقطاعاهاقتصادياهقوياهعندهغالبيةهالبلدان‪.‬‬
‫بهأنهنضمنه‬
‫منهأجلهضمانهأداءهمنطقةهاستغاللهالمنجمهأوهالمحجرهأوهحقولهالنفطهبكفاءة‪،‬هيج ه‬
‫استقرارهالموقعهعلىهالمدىهالطويل‪،‬هولذلكهنواجههضرورةهدراسةهاستقرارههبدراسةهسلوكههالميكانيكيه‬
‫ومقاومته‪.‬‬
‫بهإيجا هدهكتلةهصخريةهسليمةهفيهالطبيعة‪،‬هلذاهقبلهدراسةهمقاومةهكتلةهصخرةهأوهركيزةه‬
‫منهالصع ه‬
‫بهأنهندرسهالشقوقهالتيهعليهاهعلىهمقاييسهمختلفة‪ .‬ه‬
‫تهاألرض‪،‬هيج ه‬
‫منهمنجمهتح ه‬
‫بهحاولناهفيههذاه‬
‫إنهقوةهكتلةهالصخورهمرتبطةهبنسبةهالشقوقهفيهاهإذهأنهاهتعتبرهنقطةهضعف‪،‬هلهذاهالسب ه‬
‫ضهالشقوقهبطريقةهعشوائيةهفيهكتلةهصخريةهودراسةهتأثيرهاهعلىهمقاومةههذههاألخيرة‪ .‬ه‬
‫العملهأنهنعر ه‬
‫بهإلىهالواقعه‬
‫نهأقر ه‬
‫بمساعدةهبرنامجه(‪)MATLAB‬هحاولناهأنهنحصلهعلىهنموذجهلكتلةهمتشققةهتكو ه‬
‫وحاولناهتقييمهمقاومتهاه‪.‬‬
‫الكلمات المفتاحية‪:‬‬
‫كتلةهصخرية‪،‬هالنمذجةهالعشوائية‪،‬هشقوق‪،‬هسلوكهميكانيكي‪،‬همقاومةه‪.‬‬
Table des matières
Résumé.
Listes des figures……………………………………………………………...……………10
Introduction générale : .......................................................................................................... 14
I. Etude bibliographique : ..................................................................................................... 18
I.1. Introduction : .................................................................................................................. 18
I.2. Définitions des termes : .................................................................................................. 19
I.3. Le comportement mécanique d’un massif rocheux : ..................................................... 21
I.4. Les méthodes utilisées pour déterminer les fractures : .................................................. 30
I.5. La modélisation d’un réseau de fractures discret (DFN) en 2D et 3D : ......................... 32
I.6. Conclusion :.................................................................................................................... 35
II. Matériels et méthodes : ..................................................................................................... 37
II.1. Introduction : ................................................................................................................. 37
II.2. Outils de simulation : .................................................................................................... 38
II.2.1. MATLAB : ............................................................................................................. 38
II.2.2 PYTHON : ............................................................................................................... 40
II.3. Méthodes : ..................................................................................................................... 43
II.3.1. Approches stochastiques : ...................................................................................... 43
II.3.2. Modélisation : ......................................................................................................... 44
II.3.3. Méthode de Monte Carlo :...................................................................................... 45
II.3.4. Méthodologie de travail et étapes de modélisation : .............................................. 47
II.3.5. Exemples de modélisations : .................................................................................. 53
II.4. Conclusion : .................................................................................................................. 57
III. Modélisation stochastique des fractures par MATLAB .............................................. 59
III.1. Introduction : ............................................................................................................... 59
III.2. Applications de la modélisation stochastique en 2D : ................................................. 60

III.2.1. Processus de la distribution de poisson :............................................................... 60
III.2.2. Modélisation d’un réseau de fractures en conditionnant l’orientation :................ 61
III.3. Applications de la modélisation stochastique en 3D : ................................................. 65
III.3.1. Le passage du modèle 2D au 3D :......................................................................... 65
III.4. Conclusion : ................................................................................................................. 70
IV. Essai de modélisation de l’effet des fractures sur la résistance d’un massif rocheux
en 2D : ...................................................................................................................................... 72
IV.1. Introduction : ............................................................................................................... 72
IV.2. Estimation de la résistance pour un réseau de fractures en 2D : ................................. 73
IV.3. Conclusion : ................................................................................................................. 80
Conclusion générale : ............................................................................................................. 82
Bibliographie et références.
Annexes.
Liste des figures
Figure.I.1 : Différentes structures géométriques des massifs rocheux fracturés (cité par
Palmström [1995])……………………………………………………………………………22
Figure.I.2 : Mesures de l’orientation du plan de discontinuité, différents types de repérage
(Panet et al. [1976])…………………………………………………………………………..23
Figure.I.3 : Modèles géométriques des discontinuités………………………………………25
Figure.I.4 : Principales phases du comportement d’une roche au cours d’un essai de

compression simple…………………………………………………………………………..26
Figure.I.5 : Critère de résistance de Mohr-Coulomb représenté dans le plan (τ,σ)…………27
Figure.I.6 : Critère de résistance Mohr-Coulomb représenté dans l’espace des contraintes

principales……………………………………………………………………………………28
Figure.I.7 : Potentiel plastique du critère de rupture de Mohr-Coulomb……………………29
Figure.I.8 : Modélisation bidimensionnelle d’un réseau de fractures discret

(Alghalandis,2015)…………………………………………………………………………...33
Figure.I.9 : Propositions de modélisation des fractures dans la littérature………………….34
Figure.II.1 : L’icône de logiciel MATLAB…………………………………………………38
Figure.II.2 : L’icône de logiciel PYTHON..………………………………………………...40
Figure.II.3 : L’interface de travail du logiciel MATLAB…………………………………...42
Figure.II.4 : L’interface de l’environnement de travail du logiciel PAYTHON…………….42
Figure.II.5 : Les fonctions de distribution couramment utilisées dans la modélisation des

réseaux de fractures…………………………………………………………………………..45
Figure.II.6 : Le centre de gravité (CoG) résiste à la densité des points (sommets) et convient
donc mieux à la représentation des fractures…………………………………………………48
Figure.II.7 : Effet de bord pour un diagramme de Voronoï. (a) pas de correction, (b)
correction périodique du réseau, (c) solution de la zone tampon……………………………..52
Figure.II.8 : Les modèles de points peuvent être homogènes ou non………………………53
Figure.II.9 : Réalisations de points en trois dimensions à l'aide du processus de Poisson…53
Figure.II.10 : Divers modèles de réseaux de fractures peuvent être générés en combinant des
modèles de localisation, de longueur et d'orientation………………………………………..54
Figure.II.11 : Différents blocs générés à la base de différents modèles de fracturation avec

différents paramètres d'une fonction de distribution de von-Mises pour générer les
orientations des fractures……………………………………………………………………..55
Figure.II.12 : Différentes formes de fractures en trois dimensions…………………………56
Figure.II.13 : Réseau de fractures tridimensionnelles et groupes de fractures………………56
Figure.III.1 : Modélisation d''un réseau de fractures avec n=100 et α=[0,2π] processus de

poisson………………………………………………………………………………….……60
Figure.III.2 : Modélisation d’un réseau de fracture contenant une seule famille…………...61
Figure.III.3 : Modélisation d’un réseau de fracture contenant deux familles………………62
Figure.III.4 : Modélisation d’un réseau de fracture à trois familles…………………….…..63
Figure.III.5 : Modélisation d’un réseau de fracture à trois familles…………………………64
Figure.III.6 : Modélisation stochastique des fractures de forme circulaires (Baecher)……..65
Figure.III.7 : Modélisation stochastique des fractures de forme polygonale (Dershowitz)…66
Figure.III.8 : Modélisation stochastique des fractures de forme polygonale large

(Dershowitz)…………………………………………………………………………………..66
Figure.III.9 : Modélisation stochastique des fractures de forme circulaire et polygonale

(Baecher et Dershowitz)………………………………………………………………………67
Figure.III.10 : Modélisation stochastique des fractures de forme circulaire, elliptique et, vu

de dessus et vu perspective…………………………………………………………………...68
Figure.III.11 : Modèle d’un bloc de roche fracturé proche de la réalité…………………….69

Figure.IV.1 : Interface de travail et les sorties obtenus…………………………………..…74
Figure.IV.2 : Tableau des coordonnées des fractures…………………………………….…74
Figure.IV.3 : Tableau des coordonnées des fractures en format txt…………………………74
Figure.IV.4 : Interface de la fonction FracPaQ…………………………………………...…75
Figure.IV.5 : affichage des centres de gravité…………………………………………….…75
Figure.IV.6 : Intersections entre fractures………………………………………………...…76
Figure.IV.7 : Bloc de roche intact contenant un seul faciès géologique……………………77
Figure.IV.8 : Estimation de la résistance en chaque pixel du bloc……………………..……78

Introduction générale
Modélisation stochastique d’un réseau de fractures et application à la résistance d’un massif rocheux
Introduction générale :
La Mécanique des Roches appliquée aux travaux des ingénieurs, est bien connue comme
discipline "à données limitées", dans laquelle une large place est laissée à l'empirisme. Elle est
en effet confrontée à des phénomènes gouvernés par des paramètres difficiles à identifier et à
mesurer avec précision. La complexité du milieu rocheux en place, sa variabilité, sa faible
accessibilité exposent les ingénieurs à la non représentativité des propriétés des échantillons
analysés, ou encore aux risques d'artefacts lorsqu'ils mettent en œuvre, in situ, des procédés de
mesures indirects. En outre, les massifs rocheux ont une histoire qui détermine
fondamentalement les conditions auxquelles ils sont soumis et dont la durée dépasse largement
l’échelle de l'histoire humaine.
D’un sens général, lorsqu’on parle de la géologie, on dit c’est la science qui focalise sur
les couches externes de la Terre, notamment sur leur structure, leur composition et leur
évolution au cours des temps passés et à venir. Également une couche est un ensemble de
sédiments plus ou moins homogène.(Ruhland 1973)
Un massif rocheux tel que nous l’observons aujourd’hui résulte d’une longue histoire
géologique, souvent complexe, qui comprend une phase de formation du matériau (dépôt et
consolidation dans le cas d’une roche sédimentaire, cristallisation dans le cas d’une roche
magmatique, etc.), une ou plusieurs phases de déformations tectoniques (avec formation de plis
et de failles) et de transformations métamorphiques (foliation, recristallisation), et enfin une
période d’altération météorique pour les parties proches de la surface.(Barton 2013)
L’étude d’un massif rocheux comprend les caractéristiques géologiques globales, les
caractéristiques géostructurales et les caractéristiques géomécaniques de la masse rocheuse
c'est-à-dire sa résistance et sa dureté.
Un massif rocheux est caractérisé par une série de fissures qui le traversent, ces
discontinuités présentent des points de faiblesse, ils peuvent être à différentes échelles allant de
micro-fractures à des failles de la taille de continents.
On s’intéresse dans ce travail, à une échelle intermédiaire, c'est-à-dire à des fractures de

taille centimétrique à métrique.
BALAH Yahia
Ecole Nationale Supérieure des Mines et de la Métallurgie -Amar Laskri- Annaba 2020 14
La fracturation à cette échelle, peut être une source d’instabilité mécanique d’un
ouvrage, et pour trouver des solutions qui répondent à cette problématique, il va falloir passer
par une modélisation numérique d’un massif rocheux fracturé.(Durville 1997)
Les études se limitent généralement à des observations éparses et à petite échelle (par
exemple sur des carottes de forage) ou à des mesures indirectes telles que‫ه‬celles fournies par
les études géophysiques ou, dans le cas des systèmes‫ه‬géothermiques artificiels (EGS), à des
microséismes générés lors de la stimulation‫ه‬des fractures. Les mesures indirectes de variables
telles que les fractures comportent‫ه‬des incertitudes importantes et, dans ces circonstances, la
seule approche possible‫ه‬est une approche stochastique.
La modélisation des réseaux de fractures, en particulier la modélisation des réseaux de

fractures discrètes (DFN), est essentielle pour la conception, l'évaluation et le développement
des systèmes et ressources énergétiques naturels, en particulier pour ceux situés à une
profondeur importante sous la surface de la Terre. Par exemple, l'évaluation de l'écoulement de
fluides à travers une masse rocheuse fracturée pour des applications dans les domaines de l'eau,
du pétrole et de la géothermie ne peut être réalisée que sur un modèle de fracture rocheuse
approprié.(Alghalandis 2015)
Compte tenu de la nature du problème, il est dans la plupart des cas impossible
d'observer ou de mesurer directement les fractures à une quelconque échelle pertinente pour le
problème.
Les paramètres importants de la modélisation des réseaux de fractures discrètes sont

ceux qui‫ه‬définissent les géométries des fractures, comme la taille et l'orientation des fractures‫هه‬
individuelles.
Les approches de la modélisation des réseaux de fractures discrètes existantes utilisent

diverses techniques statistiques et géostatistiques(Xu et al., 2010)
Certaines‫ه‬de ces approches bien connues comprennent‫ه‬des méthodes basées sur les
objets et les blocs de grille et leurs extensions. Les approches utilisant les géostatistiques sont
appliquées dans le contexte de la modélisation de Poisson.
BALAH Yahia
Afin de donner un modèle numérique des fractures au sens que nous l’entendons dans
ce texte, et du point de vue méthodologique, ce travail est organisé en quatre chapitres :
Le premier chapitre est une introduction à la modélisation d’un massif rocheux

fracturé par une étude bibliographique, en faisant appel aux différents aspects et méthodes
nécessaires pour répondre ou essayer de répondre à problématique.
Dans le deuxième chapitre, nous parlerons sur les matériels et les méthodes utilisés
pour la conception des modèles géométriques de réseau de fractures.
Le troisième consiste à essayer de créer notre propre modèle de réseau de fractures en

2D et 3D, qui est basé sur des fonctions bien définies et une exécution d’un algorithme bien
précise.
Finalement, pour le quatrième chapitre, on parlera sur l’essai de calcul de résistance de

notre massif rocheux fracturé.
BALAH Yahia
CHAPITRE I
Etude bibliographique
I. Etude bibliographique :
I.1. Introduction :
Ce chapitre consiste en l’étude bibliographique afin de pouvoir communiquer nos acquis

concernant les solutions et les études réalisées par des chercheurs quant à notre problématique.
Il est consacré aussi à approcher les études effectuées par modélisation des réseaux de
fractures selon différentes échelles. Il est organisé en 4 grandes parties :
- La première est consacrée par des définitions des termes utilisés dans le mémoire,
- La deuxième traite le comportement mécanique d’un massif rocheux et sa résistance
selon les normes mondiales,
- La troisième partie aborde les méthodes utilisées pour la détermination des fractures
dans les massifs rocheux,
- Et la quatrième est consacrée par la modélisation d’un réseau de fractures discret
(DFN) en 2D et 3D, et les modèles géométriques appropriés pour la modélisation.
BALAH Yahia
I.2. Définitions des termes :

Géotechnique : Science qui étudie les sols sous tous les aspects qui intéressent l’ingénieur de
génie civil et génie minier : mécanique des roches, mécaniques des sols, géologie, technique de
construction.(Afzal et al. 2011)
Géostatistique : La géostatistique est l'étude des variables régionalisées, à la frontière entre les
mathématiques et les sciences de la Terre. Son principal domaine d'utilisation a historiquement
été l'estimation des gisements miniers, mais son domaine d'application actuel est beaucoup plus
large et tout phénomène spatialisé peut être étudié en utilisant la géostatistique.(Alaba, Adeniyi,
et Agbalajobi 2015)
Roche : Les roches sont des matériaux naturels généralement solides et formés, essentiellement
ou en totalité, par un assemblage de minéraux, comportant parfois des fossiles (notamment dans
les roches sédimentaires), du verre résultant du refroidissement rapide d'un liquide (volcanisme,
friction...) ou des agrégats d'autres roches. (surrem 2019)
Massif rocheux : La description précise du massif rocheux – celle des roches qui en constituent
la matrice et celle des discontinuités qui le traversent – est une phase indispensable de l’étude
géomécanique d’un site, que le but soit la fondation d’un barrage, le percement d’un tunnel, le
creusement d’un déblai, ou tout autre ouvrage en milieu rocheux. Cette description se fait sur
le terrain et au laboratoire, à l’aide d’observations et de mesures diverses.(Surrem 2019)
Lorsque l’on souhaite rendre compte du comportement mécanique (ou hydraulique) d’un
massif, il convient tout d’abord de le caractériser d’un point de vue géologique, minéralogique
puis pétrographique puis de s’assurer de sa bonne description structurale. En effet, la géométrie
des discontinuités du massif et plus particulièrement leur agencement dans l’espace
déterminera les mécanismes d’instabilités potentielles à étudier plus particulièrement.(surrem
2019; Gasc-Barbier, 2019)
Modélisation : La modélisation est la représentation d'un objet, en taille réduite ou sur

ordinateur, pour comprendre son fonctionnement. Par extension, élaboration d'un concept
servant à comprendre en simplifiant par généralisation une théorie scientifique ou
sociale.(DURVILLE et HÉRAUD 1995)
La modélisation est dite mathématique, géométrique, 3D, (ex : modélisation de réseau de

fractures), cinématique... Elle nécessite généralement d'être calée par des observations ou
mesures faites in situ, lesquelles servent aussi à paramétrer, calibrer ou ajuster le « modèle ».
BALAH Yahia
Fracture : Une fracture est toute séparation dans une formation géologique, tel qu'un joint ou
un défaut qui divise la roche en deux morceaux ou plus. Une fracture formera parfois une fissure
profonde ou une crevasse dans la roche.
Les fractures sont souvent causées par le stress dépassant la résistance de la roche, ce qui
provoque la roche à perdre la cohésion le long de son plus faible plan.
Les fractures peuvent fournir une perméabilité à fluide mouvement, tel que l’eau ou des
hydrocarbures. Très roches fracturées peuvent faire de bons aquifères ou des réservoirs
d’hydrocarbures, car ils peuvent posséder à la fois significative la perméabilité et la rupture
porosité. (surrem 2019)
BALAH Yahia
I.3. Le comportement mécanique d’un massif rocheux :

I.3.1. Définition :
Le comportement mécanique des massifs rocheux est un facteur essentiel dans le

dimensionnement des ouvrages qui y sont exécutés. Afin de comprendre, expliquer et
modéliser ce comportement, il est nécessaire de connaître la structure géométrique ou plus
précisément le modèle de distribution géométrique des fractures, ainsi que les propriétés
mécaniques de chacune des composantes que sont la matrice rocheuse et les discontinuités.
Pour étudier le comportement mécanique ou hydraulique d’un massif rocheux, il est

essentiel de connaître son degré de fracturation ainsi que la répartition des discontinuités dans
l’espace. Des mesures in-situ permettent de définir les diverses familles de discontinuités et
leurs paramètres de façon statistique.(Chalhoub 2018)
L’ensemble des discontinuités dans un massif rocheux est le résultat de la superposition

de différentes familles. Chaque famille peut avoir des lois de distribution et des caractères
statistiques différents. Donc, pour ajuster les lois de distribution d’une famille, il faut distinguer
cette famille dans l’ensemble des discontinuités. La méthode classique de classification est celle
de la projection stéréographique.
L’objectif principal d’une étude géométrique des discontinuités est de déterminer :
• Si elles sont classables en familles (orientations voisines)
• Si elles structurent le massif rocheux en blocs (continuité et connectivité importantes).
Le premier classement des discontinuités observées sur le terrain consiste à les grouper
en populations homogènes du point de vue structural ; il faut donc préciser la nature géologique
et tectonique de tous les éléments structuraux relevés.(Alghalandis, Xu, et Dowd, 2015.)
Divers auteurs ont essayé de regrouper les structures géométriques des massifs rocheux
dans des catégories bien définies. La figure 3 illustre une série de massifs rocheux citée par
(Palmström, 1995). Nous distinguons les massifs à blocs polyédriques, unidimensionnels,
prismatiques ou en colonnes, les massifs à bancs minces dont l’épaisseur est moins épaisse que
leur longueur et les massifs comprenant plusieurs familles de fractures.
BALAH Yahia
Fig.I.1, Différentes structures géométriques des massifs rocheux fracturés (Palmström,1995)
I.3.2. Paramètres géométriques des discontinuités :
La modélisation de la distribution spatiale et de l’emplacement des familles de fractures

dans un massif rocheux fracturé est fondée principalement sur la connaissance des paramètres
géométriques des discontinuités.(Chalhoub 2018)
Chacun de ces derniers est associé à une variable aléatoire dont les lois de distribution
sont déduites des données acquises sur le terrain. Dans ce qui suit nous définissons
sommairement chacun de ces paramètres.
1) Orientation :
Les orientations des discontinuités déterminent la forme de blocs individuels existant

dans un massif rocheux et par suite elles sont responsables de leur anisotropie qui gouverne leur
comportement hydraulique et mécanique.
Le pendage (β) est l’angle que fait la ligne de plus grande pente avec l’horizontale. La
direction, ou azimut (α), est l’angle que fait l’horizontale du plan de la discontinuité avec le
Nord magnétique.
La distribution de l’orientation et du pendage est souvent représentée par une loi

hémisphérique, normale ou log-normale.
BALAH Yahia
Fig.I.2, Mesures de l’orientation du plan de discontinuité, différents types de repérage

(Panet et al. [1976])
2) Extension :
La taille des fractures conditionne, avec leur orientation et leur espacement, leur
probabilité d’intersection. Par conséquent, elle joue un rôle essentiel dans la connectivité des
blocs.
Une fracture est souvent assimilée à une forme géométrique simple dont une dimension
particulière définit son extension (exemple : diamètre d’un disque dans l’espace, longueur d’un
segment dans un plan). Cette dimension n’est pas accessible directement ; il faut la déduire de
la continuité des traces observées sur l’affleurement.
Les diamètres peuvent suivre une loi exponentielle décroissante ou log-normale.
3) Espacement :
C’est la distance moyenne qui sépare deux intersections successives d'une ligne droite,
appelée également ligne d’échantillonnage, avec les traces de fractures d’un affleurement. Cette
grandeur dépend de la ligne de levé et de l’extension des discontinuités. En effet, pour un
nombre constant de traces sur une surface, les traces longues ont plus de chances d’être
intersectées par la ligne de levé et paraissent plus rapprochées. (Chalhoub 2018)
BALAH Yahia
4) Densité :
Cette grandeur est en relation directe avec l’espacement. Les modèles géométriques des
discontinuités décrivent leur position dans l’espace en précisant la localisation d’un point
représentatif, par exemple, le centre d’un disque ou d’un segment qui est souvent ajusté par une
loi uniforme. Le nombre de centres considérés dans un volume ou sur une surface définit,
respectivement, la densité volumique et la densité surfacique des fractures. Quant à la densité
linéique, elle est définie comme étant l’inverse de l’espacement ou le nombre d’intersections
entre les discontinuités et la ligne d’échantillonnage. (Chalhoub 2018)
5) Ouverture :
Ce paramètre affecte largement la perméabilité des discontinuités et par suite leur

comportement hydraulique. Il est défini comme étant la distance entre les deux épontes d’une
discontinuité mesurée perpendiculairement à son plan moyen et il suit généralement une loi
exponentielle décroissante ou log-normale. La détermination de l’ouverture est limitée souvent
aux relevés examinés directement sur un affleurement ou sur des carottes de sondages.
I.3.3. Modèles géométriques des discontinuités :
Les lois caractérisant le processus de répartition des fractures dans l’espace et les
paramètres géométriques des fractures sont estimés à partir du traitement statistique ou
géostatistique des discontinuités. Ces lois sont introduites dans des modèles géométriques de
simulation qui génèrent les fractures dans un espace tridimensionnel.
Plusieurs modèles géométriques existent dans la littérature. A savoir, les plans

poissoniens de Dershowitz [1984] (Fig.I.3-a) et les disques de Baecher et al. [1977] (Fig.I.3-b)
qui sont les plus utilisés grâce à leur traitement mathématique simple. Ce modèle présente un
intérêt qui réside dans la possibilité d’estimer la loi de distribution des diamètres des disques à
partir de la longueur des traces.
Le processus de génération des familles s’effectue suivant des méthodes diverses. Nous
distinguons, parmi les plus employés, le processus de Poisson à densité constante λv dans lequel
les centres de disques sont générés dans un volume V en tirant au hasard leur nombre N suivant
une loi de Poisson de densité λv*V.
BALAH Yahia
Ensuite les coordonnés des centres sont répartis suivant une loi uniforme. Cette phase
est suivie par une génération de l’orientation, du diamètre et de l’ouverture de chaque
discontinuité d’une manière indépendante par tirage au hasard dans la distribution
correspondante.
Le modèle des salves est plus complexe que celui de Poisson à densité uniforme. Il a
été utilisé par plusieurs auteurs pour simuler des réseaux de fractures (Massoud [1987] et
Billaux [1990]). Dans ce modèle, la densité des fractures n’est pas constante et les fractures
sont régionalisées dans l’espace (Fig.I.3-c).
Fig.I.3, Modèles géométriques des discontinuités. a) modèle polygonal de Dershowitz [1984], b) modèle de
disque de Baecher et al. [1977], c) modèle de salves (d’après Billaux [1990]).
Afin de générer les familles de fractures de notre classification numérique, le modèle

des disques a été utilisé. Les centres de ces derniers ont été distribués dans l’espace suivant un
processus de Poisson à densité uniforme.
I.3.4. Comportement mécanique des roches :
En analysant la variation de la contrainte σ de compression appliquée sur un échantillon

de roche en fonction de la déformation ε qui en résulte, nous distinguons deux phases
principales (Fig.I.4) : un comportement réversible ou élastique (linéaire ou non) et un
comportement irréversible marquant, suivant le cas, l’endommagement, la plasticité ou la
rupture de la roche.
BALAH Yahia
Fig.I.4, Principales phases du comportement d’une roche au cours d’un essai de compression
simple(Chalhoub 2018)
Dans ce qui suit, nous décrivons sommairement chacune de ces phases séparément.
1) Elasticité des roches :
L’élasticité anisotrope générale est caractérisée par 21 paramètres indépendants. Le

comportement global d’un massif fracturé est fortement anisotrope.
Toutefois l’anisotropie de la matrice rocheuse est relativement faible et négligeable par

rapport à celle qui est induite par la présence des fractures. Pour cette raison, nous admettons
que le comportement de la roche est isotrope et caractérisé par un module d’Young E et un
coefficient de Poisson ν.
2) Résistance des roches :
Comme nous l’avons indiqué au début de ce paragraphe, la phase élastique de la courbe

contrainte-déformation est suivie par une phase irréversible de différente nature. Nous
définissons la résistance de la roche comme étant la fin de cette phase élastique et nous
proposons de la décrire par un critère portant sur les contraintes principales. Nous appelons ce
critère : critère de résistance de la roche.
Un critère très courant et souvent utilisé dans le domaine de la mécanique des sols et
des roches est celui de Mohr-Coulomb.
BALAH Yahia
Ce critère est représenté dans le plan des contraintes tangentielles et normales (τ,σ) par
deux droites symétriques par rapport à l’axe des contraintes normales (Fig.I.5). Ces deux droites
sont appelées courbes intrinsèques. Pour une roche, nous caractérisons ce critère par deux
paramètres qui sont la cohésion C et l’angle de frottement interne Φ.
L’équation de la courbe intrinsèque s’écrit :
|τ| ≤ C + σ tan Φ (1)
Où τ et σ représentent respectivement la contrainte de cisaillement et la contrainte normale à la

rupture.
Fig.I.5, Critère de résistance de Mohr-Coulomb représenté dans le plan (τ,σ).(Gasc-Barbier 1995)
BALAH Yahia
La forme géométrique de ce critère dans l’espace des contraintes limites σ1, σ2, σ3
prend la forme d’un cône à base hexagonale dont l’axe est défini par la droite σ1=σ2=σ3
(Fig.I.6).
Fig.I.6, Critère de résistance Mohr-Coulomb représenté dans l’espace des contraintes principales.(Gasc-
Barbier 1995)
La formulation mathématique du critère de Mohr-Coulomb est régie par l’expression

suivante :
F(σ) = (σ2 – σ1) – (σ1+ σ2) sin φ - 2 C cos φ ≤ 0 ; σ1< σ2< σ3 (2)
Qui ne fait pas intervenir la contrainte intermédiaire σ3. D’après cette équation, le potentiel
(𝛔𝟐−𝛔𝟏) (𝛔𝟏+𝛔𝟐)
plastique dans le plan ( , ) s’écrit :
𝟐 𝟐
(𝝈𝟐−𝝈𝟏) (𝝈𝟏+𝝈𝟐) 𝜶
≤α+ tan Ψ ; C = et φ = sin -1 (tan Ψ)
𝟐 𝟐 𝒄𝒐𝒔 𝚿
Cette équation représente l’équation d’une droite caractérisée par les paramètres α et
Ψ (Fig.I.7). Elle est d’une importance capitale puisqu’il suffit de calculer deux couples de points
(σ1, σ2) pour obtenir la cohésion de la roche ainsi que son angle de frottement interne.
BALAH Yahia
Le critère de Mohr-Coulomb permet de calculer d’autres paramètres mécaniques employés

fréquemment par les concepteurs des ouvrages dans les massifs rocheux tels que la résistance à
la compression simple et à la traction. En effet, du fait que σ1<σ3<σ2 alors la résistance à la
compression simple de la roche σc résulte d’une contrainte σ1 nulle d’où :
𝟐 𝑪 𝐜𝐨𝐬 𝝋
σc = σ2 = (3)
𝟏−𝐬𝐢𝐧 𝝋
De même, pour une contrainte σ3 nulle, l’expression de la résistance à la traction s’écrit :
𝟐 𝑪 𝐜𝐨𝐬 𝝋
σt = σ 1 = - (4)
𝟏+𝐬𝐢𝐧 𝝋
D’où :
𝟏+𝐬𝐢𝐧 𝝋
(σc / σt) = - (5)
𝟏−𝐬𝐢𝐧 𝝋
Fig.I.7, Potentiel plastique du critère de rupture de Mohr-Coulomb(Gasc-Barbier 1995)
BALAH Yahia
I.4. Les méthodes utilisées pour déterminer les fractures :

I.4.1. La photographie des parois du puits :
Cette méthode se heurte à deux difficultés majeures : d'une part la nécessité d'avoir au
niveau de la zone photographiée un fluide transparent à la lumière visible ; d'autre part
l'instabilité des émulsions aux températures élevées atteintes dans les puits. (Gautier et al. 1973)
I.4.2. La télévision en circuit fermé :
L'emploi de ce procédé est également limité par l'opacité des fluides de forage. La sonde
est équipée d'une caméra permettant soit une vision radiale, soit une vision axiale. Cette
méthode a été utilisée avec succès dans des sondages peu profonds, mais les observations
réalisées ne sont pas orientées. (Gautier et al. 1973)
I.4.3. Le Borehole Televiewer :
Basé sur l'émission d'ondes ultra-sonores dans la lumière du forage, cet appareil résout
le problème de l'opacité des boues. Une véritable « image acoustique » est enregistrée en
continu. Un magnétomètre incorporé à la sonde oriente cette image par rapport au Nord.
I.4.4. Observation des carottes :
Les carottes de sondage constituent un domaine d'investigation tout à fait particulier. Il

a fallu mettre au point des méthodes d'observation et de collecte des données appropriées. En
raison du grand nombre de puits à étudier, ces méthodes doivent être à la fois rapides et
efficaces. (Gautier et al. 1973)
I.4.5. La tomographie :
La tomographie sismique est une méthode géophysique utilisant l'enregistrement de

l'arrivée des ondes sismiques émises lors de tremblements de terre et dont l'interprétation des
temps d'arrivée les uns relativement aux autres et en différents lieux, permet de remonter aux
variations spatiales des vitesses de propagation de ces ondes à l’intérieur du globe terrestre. Les
modèles de vitesses d'ondes ou d'anomalies de vitesse peuvent être interprétés en termes de
variations de température locale au sein des unités terrestres, ou en termes de variation de
composition chimique ou minéralogique des matériaux. (Alghalandis, Xu, et Dowd, 2015;
Alghalandis, 2015.)
BALAH Yahia
Les signaux géophysiques (électromagnétiques, sismiques, etc.) peuvent être utilisés

pour pénétrer plus profondément dans la roche et mesurer les fractures autour du trou de forage.
Pour les cas très profonds tels que les EGS, il est courant d'utiliser les événements sismiques
produits par l'injection de grands volumes de fluide à haute pression dans la masse rocheuse
pour stimuler la propagation des fractures ; ces événements sont généralement les seules
données disponibles à une échelle significative. La poursuite du développement ou la
conservation d'un BSE actif dépend étroitement de la réussite des stimulations. Les fractures
soumises à une pression de stimulation se dilatent. De nouvelles fractures, relativement plus
petites, sont également créées. Au cours de l'expansion due à la fracturation et à la pression
hydraulique, un mouvement de blocs rocheux se produit, ce qui génère des microséismes. Les
événements microsismiques sont enregistrés au moyen de géophones. Dans (FadakarA et al
(2013a)), une caractérisation pratique des réseaux de fractures au moyen d'une technique
spécifique d'échantillonnage aléatoire (appelée RANSAC) sur des données microsismiques de
nuages de points a été proposée.
BALAH Yahia
I.5. La modélisation d’un réseau de fractures discret (DFN) en 2D

et 3D :
I.5.1. Représentations bidimensionnelles (2D) :
Les fractures en deux dimensions sont représentées par leurs lignes de trace sur une
surface d'échantillonnage.
La caractéristique distinctive de ce type de modélisation est que les fractures (lignes de

trace) sont des lignes droites (souvent des segments de lignes finies). Par conséquent, la
troisième dimension d'une véritable fracture tridimensionnelle, qui décrit notamment le
pendage et la forme des fractures, n'est pas incorporée dans la modélisation bidimensionnelle.
Ce type de modélisation est effectué lorsqu'il n'existe pas de mesure tridimensionnelle des
systèmes de fractures, comme par exemple dans l'échantillonnage des affleurements sur le
terrain. En outre, elles se révèlent utiles pour l'évaluation préliminaire de concepts et de
propositions, ce qui est une pratique courante dans la littérature.
Par exemple, Baecher (1983) a effectué une analyse statistique des traces de fracture
pour examiner les différents biais impliqués dans les mesures sur le terrain. Le travail conclut
que les biais d'orientation, de taille et de censure (Laslett 1982) sont dominants. Chilès (1988)
ont étudié les propriétés fractales et géostatistiques des réseaux de fractures.
Ces travaux ont également proposé un cadre permettant de générer des réseaux de
fractures tridimensionnels spatialement corrélés en utilisant des fractures en forme de disque.
Une étude de Dershowitz et Einstein (1988) a examiné divers modèles de réseaux de fractures
en deux et trois dimensions, classés principalement en deux groupes : les caractérisations
désagrégées et agrégées. Dans le premier groupe, les distributions statistiques sont utilisées
pour modéliser les attributs de chaque fracture, tandis que dans le second, les réseaux de
fractures simulés déterminent les attributs des fractures résultantes. Un travail plus récent de
Renard et Allard (2011) examine la propriété de connectivité des réseaux de fractures basée sur
le réseau, en se concentrant principalement sur les investigations bidimensionnelles.
La raison principale est peut-être que les réseaux de fractures bidimensionnels

fournissent un cadre simple et utile pour l'analyse exploratoire.
Les analyses exploratoires sont mieux menées sur des graphiques bidimensionnels en
raison de leurs démonstrations plus faciles.
BALAH Yahia
En bref, pour la modélisation de réseaux de fractures bidimensionnels, les fractures étant

représentées par des segments de ligne, l'accent est mis sur la détermination des attributs de
localisation, de longueur et d'orientation. Dans un cas très simple, les longueurs des fractures
sont supposées être infinies, c'est-à-dire qu'elles traversent toute la zone d'étude. Les
orientations peuvent être limitées à deux directions orthogonales. Les emplacements peuvent
être obtenus à partir d'une fonction de distribution uniforme. Dans une formulation avancée,
cependant, les emplacements sont déterminés au moyen de processus de points de Poisson.
Fig.I.8, Modélisation bidimensionnelle d’un réseau de fractures discret (Alghalandis,2015).
BALAH Yahia
I.5.2. Représentations tridimensionnelles (3D) :
En trois dimensions, il est courant de modéliser une fracture par un plan plat. Dans les
cas les plus simples, elle est modélisée comme un plan infini, ou comme des formes
géométriques simples telles qu'un cercle ou une ellipse.
Une tendance plus récente consiste cependant à modéliser les réseaux de fractures
comme un ensemble de fractures polygonales qui sont positionnées de manière aléatoire dans
l'espace. Les représentations polygonales des fractures peuvent servir de cadre flexible pour
aborder la complexité des réseaux de fractures réels. En général, un ensemble d'hypothèses est
fait avant de construire un modèle de fractures et de réseaux de fractures.
Par exemple, dans la modélisation, on suppose qu'une fracture a une forme plane (plan
plat ou ellipse, etc.) ; polygones plans). Notez que chaque côté de la fracture est appelé une
surface de fracture, qui est généralement considérée comme plane mais peut également
comporter des rugosités. L'espacement des ouvertures d'une fracture est beaucoup plus petit que
la longueur de la fracture, c'est-à-dire cinq ordres de grandeur ou plus de moins (Odling 1991).
La longueur d'une fracture est définie comme la plus grande dimension de sa forme. Les
caractéristiques déterminantes les plus importantes d'une fracture dans une représentation
tridimensionnelle comprennent la longueur (un ou plusieurs scalaires selon la complexité de la
forme de la fracture) et l'orientation (généralement deux angles sont adéquats).
Une troisième caractéristique importante, la localisation des fractures, complète les

étapes de modélisation pour générer des réseaux de fractures. Ainsi, la modélisation
tridimensionnelle suit la même procédure que la modélisation bidimensionnelle.
(A) Orthogonal, (B) Baecher,

(C) Baecher amélioré (les
fractures peuvent s’éclipser
entre elles), (D) BART (taille
aléatoire), (E) Dershowitz
(formes complexes sur un
plan), (F) Modèle de densité
(inhomogène) et (G) Formes
polygonales aléatoires
Fig.I.9, Propositions de modélisation des fractures dans la littérature.(Alghalandis 2015)
BALAH Yahia
I.6. Conclusion :
L’étude bibliographique est très vaste et surtout pour les travaux de recherches
scientifiques.
On a essayé dans ce chapitre de citer l’essentielle sur la modélisation des fractures

dans les domaines techniques.
Les outils informatiques sont nécessaires aujourd’hui pour faciliter les difficultés dans
le domaine minier.
Dans le chapitre qui suit, on va détailler la méthode suivie pour la modélisation

stochastique de notre problématique.
BALAH Yahia
CHAPITRE II
Matériels et méthodes
Matériels et Méthodes
II. Matériels et méthodes :

II.1. Introduction :
Dans ce chapitre, on aborde les matériels et les méthodes utilisés pour créer un modèle
géométrique représentatif d’un massif rocheux fracturé, la modélisation et la simulation sont
toujours crées sur la base d’un modèle mathématique.
Notre but est de générer un réseau de fractures aléatoire dans un massif rocheux à l’aide
d’un programme de modélisation, et pour cela on a choisi deux logiciels de simulation à base
mathématique.
On vise à créer un modèle représentatif en 2D et 3D (proche de la réalité) d’un réseau

de fractures, puis on étudiera sa résistance.
BALAH Yahia
II.2. Outils de simulation :

II.2.1. MATLAB :
1) Présentation de MATLAB :
MATLAB est un langage de programmation interprété qui permet de manipuler les

fonctionnalités d'un système informatique configuré pour fournir à l'interpréteur de ce langage
un environnement et une interface qui déterminent les possibilités de celui-ci, ce logiciel est
émulé par un environnement de développement du même nom ; il est utilisé à des fins de calcul
numérique. (« MATLAB » 2020)
Développé par la société The Math-Works, MATLAB permet de manipuler des

matrices, d'afficher des courbes et des données, de mettre en œuvre des algorithmes, de créer
des interfaces utilisateurs, et peut s’interfacer avec d’autres langages comme le C, C++, Java,
et Fortran. Les utilisateurs de MATLAB sont de milieux très différents comme l’ingénierie, les
sciences et l’économie dans un contexte aussi bien industriel que pour la recherche. Matlab peut
s’utiliser seul ou bien avec des Toolboxes (« boîte à outils »).
Fig.II.1, L’icône de logiciel MATLAB
2) Interface :
L’interface MATLAB est optimisée pour résoudre les problèmes scientifiques et

techniques. Le langage MATLAB, basé sur les matrices, est le moyen le plus naturel au monde
pour exprimer les mathématiques computationnelles. Les graphiques intégrés permettent de
visualiser facilement les données afin d’en dégager des informations.
Grâce à la vaste bibliothèque de boîtes à outils prédéfinies, vous pouvez commencer

directement par les algorithmes essentiels à votre domaine. L’environnent bureau encourage
l’expérimentation, l’exploration et la découverte. Les outils et les fonctionnalités MATLAB
sont tous testés rigoureusement. Ils sont conçus pour fonctionner conjointement.
BALAH Yahia
3) Caractéristiques du MATLAB :
Le code MATLAB peut être intégré à d’autres langages, ce qui permet de déployer des
algorithmes et des applications au sein de systèmes Web, d’entreprise et de production.
• Langage de haut niveau pour le calcul scientifique et technique ;

• Environnement bureau pensé pour l’exploration itérative, la conception et la résolution
de problèmes ;
• Graphiques destinés à la visualisation de données et outils conçus pour créer des tracés
personnalisés ;
• Applications dédiées à l’ajustement de courbes, la classification de données, l’analyse
de signaux et bien d’autres tâches spécialisées ;
• Boîtes à outils additionnelles conçues pour répondre à de nombreux besoins spécifiques
aux ingénieurs et aux scientifiques ;
• Outils permettant la création d’applications avec interface utilisateur personnalisée ;
• Interfaces vers C/C++, Java, .NET, Python, SQL, Hadoop et Microsoft Excel ;
• Options de déploiement libre de droits permettant de partager des programmes
MATLAB avec les utilisateurs finaux.
• Large bibliothèque de fonctions mathématiques et logiques.
• Il permet de travailler sur les matrices et les manipuler.
• Données en 2D et 3D, fonction et visualisation géographique et outils d’animation.
• Il permet de résoudre différents types d’équations : équation diophantienne, équation
différentielle, équation aux dérivées partielles, équation différentielle algébrique, et
• Les suites définies par récurrence.
• Analyse par éléments finis, incluant la génération de maillage adaptatif en 2D et 3D.
• Outils numériques et symboliques pour le calcul discret et continu, y compris les
transformations intégrales continues et discrètes.
• Optimisation locale et globale contrainte et sans contrainte.
• Bibliothèques de statistiques multivariées comprenant l'ajustement, les tests
d'hypothèses et les calculs de probabilité et d'espérance sur plus de 160 distributions.
• Support pour les données censurées, données temporelles, séries temporelles et données
basées sur les unités.
• Calculs et simulations sur des processus et des files d'attente aléatoires.
BALAH Yahia
II.2.2 PYTHON :
1) Présentation du PYTHON :
Python est un langage de programmation interprété, multi-paradigme et

multiplateformes. Il favorise la programmation impérative structurée, fonctionnelle et orientée
objet.
Le langage Python est placé sous une licence libre proche de la licence BSD6 (-
(Berkeley Software Distribution License) est une licence libre utilisée pour d'autres licences
libres-) et fonctionne sur la plupart des plates-formes informatiques, des smartphones aux
ordinateurs centraux7, de Windows à Unix avec notamment Linux en passant par MacOs, ou
encore Android, iOS, et peut aussi être traduit en Java.
Il est conçu pour optimiser la productivité des programmeurs en offrant des outils de
haut niveau et une syntaxe simple à utiliser.
Python est un langage Open Source. Cela signifie que ses sources et son interpréteur
sont disponibles au public et donc que n’importe qui peut commencer à développer ses propres
programmes Python gratuitement. (« Python : présentation d’ensemble du langage » ; « Python
(langage) » 2020)
Fig.II.2, Les icônes de l’environnement de travail PYTHON
2) Interface :
Python possède plusieurs modules disponibles pour la création de logiciels avec une
interface graphique. Le plus répandu est Tkinter. Ce module convient à beaucoup d'applications
et peut être considéré comme suffisant dans la plupart des cas. Néanmoins, d'autres modules
ont été créés pour pouvoir lier Python à d'autres bibliothèques logicielles (« toolkit »), pour
davantage de fonctionnalités, pour une meilleure intégration avec le système d'exploitation
utilisé, ou simplement pour pouvoir utiliser Python avec sa bibliothèque préférée. En effet,
certains programmeurs trouvent l'utilisation de Tkinter plus pénible que d'autres bibliothèques.
BALAH Yahia
Ces autres modules ne font pas partie de la bibliothèque standard et doivent donc être obtenus
séparément.
L’interface de travail sur PYTHON s’appelle l’environnement de travail, il existe

plusieurs environnements de travail tels que : PyChar Community, IntelliJ IDEA Community.
Pour coder en Python, un seul programme va être strictement obligatoire : l’interpréteur

Python qui va pouvoir être utilisé de manière dynamique et nous afficher les résultats de nos
codes immédiatement.
En pratique, cependant, nous voudrons souvent enregistrer nos différents scripts dans
des fichiers plutôt que d’écrire des séries d’instructions à exécuter immédiatement. Pour cela,
nous avoir besoin d’un éditeur de texte ou d’un IDE (Environnement de Travail Intégré).
3) Caractéristiques du PYTHON :
PYTHON a été conçu pour être un langage lisible. Il vise à être visuellement épuré.
Par exemple :
• PYTHON possède moins de constructions syntaxiques que de nombreux langages

structurés tels que MATLAB.
• PYTHON possède une grande bibliothèque standard, fournissant des outils
convenant à de nombreuses tâches diverses.
• Le nombre de modules de la bibliothèque standard peut être augmenté avec des
modules spécifiques écrits en C ou en Python.
• Des modules pour créer des interfaces graphiques et manipuler des expressions
rationnelles sont également fournis.
• Un éditeur de texte nous permet tout simplement d’écrire des lignes de code et
d’enregistrer nos fichiers au bon format.
• Exécution des interface 2D et 3D.
• Les IDE disposent de fonctionnalités supplémentaires comme des mécanismes
d’auto-complétions du code ou encore de systèmes de détection des erreurs de
syntaxe dans un code et de proposition de modification.
• Traitement des données et des éléments finis bien précisément.
• Maillage des modèles très faciles et bien précis.
• Le calcul numérique dans le corps des réels ou des complexes ;
BALAH Yahia
Fig.II.3, L’interface de travail du logiciel MATLAB.
Fig.II.4, L’interface de l’environnement de travail du logiciel PAYTHON.
BALAH Yahia
II.3. Méthodes :
II.3.1. Approches stochastiques :
Les solutions déterministes (par exemple, en utilisant les méthodes traditionnelles des
éléments finis) qui sont aujourd'hui très courantes dans la résolution des problèmes d'ingénierie
nécessitent des paramètres bien définis et certainement déterminés et des équations directrices
bien définies pour obtenir des résultats utiles et précis.
Tout paramètre d'entrée doit être connu avec certitude (non probabiliste) avant de
procéder aux algorithmes déterministes. En fait, le niveau de précision de l'entrée aura un effet
direct sur la sortie, avec une perte de précision encore plus importante due à l'accumulation
d'erreurs, notamment d'approximation et de calcul.
En outre, dans un cas pire (mais courant), si le phénomène étudié est mal défini (par
exemple, en raison d'informations incomplètes ou inadéquates ; Hsu 2008), l'application de
méthodes déterministes pour l'évaluation, l'appréciation et la modélisation sera alors très
limitée. (Alghalandis, s. d.)
En pratique, il faut choisir encore moins de paramètres pour les modèles (c'est-à-dire
une approximation plus poussée) et souvent attribuer des valeurs basées sur des observations
très limitées afin d'obtenir un coût de calcul raisonnable. Dans les deux cas, le résultat sera
erroné et donc inexact. Par exemple, un système peut être modélisé comme X=f(θ), où θ se
trouve un ensemble de paramètres permettant de décrire correctement un phénomène représenté
par X.
BALAH Yahia
II.3.2. Modélisation :
Un modèle mathématique (Chernoutsan et al. 2011) est généralement utilisé pour
décrire les caractéristiques de gouvernance les plus importantes des réseaux de fractures
(Dimov et al. 2011). Si une telle évaluation est basée sur la modélisation de fractures
individuelles, la méthode est appelée modélisation de réseau de fractures discrètes (DFN, Jing
2003 ; Jing et Stephansson 2007a) par opposition à la modélisation de continuum dans laquelle
l'ensemble du système est modélisé comme un domaine continu.
La DFN est plus flexible (Dershowitz et al.2000 ; Jing 2003) pour traiter les
configurations complexes de fractures observées dans la pratique en utilisant une solution
stochastique où la distribution des fractures est souvent clairsemée et où il existe également une
incertitude importante dans la mesure des paramètres des fractures et des réseaux de fractures ;
ainsi des méthodes déterministes telles que les techniques finies (e. g. , élément fini (FEM),
élément discret (DEM), élément limite (BEM), etc.) dans leur utilisation traditionnelle (voir
section précédente) ne peuvent pas traiter ces situations de manière unique et satisfaisante (voir
Jing 2003), bien qu'il s'agisse de techniques de modélisation numérique bien connues et bien
développées et qu'elles soient appliquées à divers problèmes d'ingénierie. La modélisation
stochastique peut servir à fournir les données d'entrée requises pour les techniques finies en
simulant des réalisations, ce qui permet d'obtenir une approche hybride stochastique et
déterministe.
En résumé, la puissance des méthodes stochastiques provient de l'utilisation, sur la base

d'observations (données et expertise), de fonctions aléatoires correctement définies qui
alimentent les méthodes de Monte Carlo afin de décrire des aspects invisibles des données dans
l'espoir d'améliorer la qualité du traitement (par exemple, une plus grande précision) et donc
d'obtenir des résultats plus précis et plus fiables (voir les détails dans Cressie 1991 ; Jing 2003
; Dowd et al.2007). Les méthodes stochastiques se sont souvent révélées capables et efficaces
pour modéliser les incertitudes liées à divers problèmes de modélisation technique (CFCFF
1996) et leurs applications futures potentielles augmentent rapidement.
La figure suivante représente les fonctions de distribution couramment utilisées dans la

modélisation des réseaux de fractures. Celles qui n'ont pas de queue négative et qui ont une
longue queue positive sont couramment utilisées pour la modélisation de la longueur des
fractures. La distribution gaussienne sous sa forme polaire c'est-à-dire la distribution de (von-
Mises) est utilisée pour les orientations. La distribution de Poisson est utilisée indirectement
BALAH Yahia
pour modéliser l'emplacement des fractures dans l'espace satisfaisant le critère d'aléa spatial
complet.
Fig.II.5, Les fonctions de distribution couramment utilisées dans la modélisation des réseaux de fractures.
II.3.3. Méthode de Monte Carlo :

Le terme méthode de Monte-Carlo, ou méthode Monte-Carlo, désigne une famille de
méthodes algorithmiques visant à calculer une valeur numérique approchée en utilisant des
procédés aléatoires, c'est-à-dire des techniques probabilistes.
Les méthodes de Monte-Carlo sont particulièrement utilisées pour calculer des

intégrales en dimensions plus grandes que 1 (en particulier, pour calculer des surfaces et des
volumes). Elles sont également couramment utilisées en physique des particules, où des
simulations probabilistes permettent d'estimer la forme d'un signal ou la sensibilité d'un
détecteur. La comparaison des données mesurées à ces simulations peut permettre de mettre en
évidence des caractéristiques inattendues, par exemple de nouvelles particules. (Rafiee, s. d.)
Nous disposons de l'expression de l'espérance mathématique d'une fonction g de

variable aléatoire X, résultant du théorème de transfert, selon lequel
BALAH Yahia
G = E(g(x)) = ∫ g(x) fX (x) dx (6)
Où fX est une fonction de densité sur le support [a, b]. Il est fréquent de prendre une distribution
uniforme sur [a, b] :
𝟏
𝒇𝒙 (𝒙) = (7)
𝒃−𝒂
L'idée est de produire un échantillon (x1, x2, …,xN) de la loi X (donc d'après la densité
fX) sur le support [a, b], et de calculer un nouvel estimateur de G dit de Monte-Carlo, à partir
de cet échantillon.
La loi des grands nombres suggère de construire cet estimateur à partir de la moyenne
empirique :
𝟏 𝑵
gN = 𝑵 ∑𝒊=𝟏 𝐠(𝐱𝐢) (8)
Qui se trouve être, par ailleurs, un estimateur sans biais de l'espérance.
Ceci est l'estimateur de Monte-Carlo. Nous voyons qu'en remplaçant l'échantillon par
un ensemble de valeurs prises dans le support d'une intégrale, et de la fonction à intégrer, nous
pouvons construire une approximation de sa valeur, construite statistiquement.
Cette estimation est sans biais, dans le sens où
E(gN) = G = E(g(X)) (9)
Il faut aussi quantifier la précision de cette estimation, via la variance de (gN). Si l'échantillon
est supposé, cette variance est estimée à l'aide de la variance empirique
𝟏 𝑵
𝒔𝟐𝒈(𝒙) = 𝑵 ∑𝒊=𝟏(g(xi) – gN)2 ≈ σg2 (10)
Avec :
σg2 = E(g2(X)) - E(g(X))2 = ∫𝜴 𝒈𝟐 (𝒙)𝒇(𝒙)𝒅𝒙 – G2 (11)
BALAH Yahia
II.3.4. Méthodologie de travail et étapes de modélisation :

Un modèle de réseau de fractures plus réaliste promet des étapes de caractérisation et
d'application plus précises et plus fiables. Une étude fondamentale des concepts et des
méthodes de modélisation des réseaux de fractures est présentée dans les sections suivantes.
1) Point :
Un point est l'objet géométrique le plus simple de dimension zéro mais entièrement
spécifié par son emplacement en ED, où E est l'espace euclidien en dimensions D (Corrochano
2005).
Une fracture, en tant qu'objet tridimensionnel, peut être représentée par un point (par
exemple, son centre géométrique). Son emplacement est donc simplement décrit comme des
coordonnées (x,y,z) ∈ E3. De même, les groupes de fractures, les hypergroupes de fractures et
les réseaux de fractures peuvent également être localisés par un point.
2) Le Centre de géométrie :
Le point de localisation le plus représentatif d'un objet géométrique (O) est son centre
géométrique (CoG, ou centre géométrique ; Murayama et Thapa 2011). Pour les formes
géométriquement complexes, le CoG est préféré au centre de masse communément utilisé et
physiquement intuitif (CoM, Weltner et al. 2009). La différence entre ces deux centres est plus
évidente lorsqu'il y a une dispersion spatialement inhomogène des points déterminant la forme
à la limite de l'objet. Par exemple, en supposant que les fractures tridimensionnelles sont des
objets polygonaux plats dont la masse est uniformément répartie ou totalement vide, le centre
de gravité peut être facilement trouvé en calculant la moyenne des coordonnées de leurs
sommets (c'est-à-dire les points limites). Cependant, pour les fractures dont les sommets sont
situés de manière irrégulière dans l'espace, le CoM sera plus proche des zones plus denses en
termes de nombre de points et sera donc biaisé. Le CoG comprend la distance entre deux
sommets adjacents, c'est-à-dire les arêtes. Par conséquent, toute fracture, qu'elle soit
bidimensionnelle ou tridimensionnelle, est un objet qui peut être localisé de manière robuste
par son CoG.
BALAH Yahia
Fig.II.6, Le centre de gravité (CoG) résiste à la densité des points (sommets) et convient donc mieux à la
représentation des fractures.
3) Processus par points :
Au sens large, les processus ponctuels sont des modèles stochastiques appliqués à des modèles
ponctuels (Illian et al. 2008). Les modèles de points, réguliers ou irréguliers, peuvent être
générés au moyen de simulations stochastiques. Un modèle régulier particulier peut également
être considéré comme une réalisation personnalisée d'un modèle stochastique. La réalisation
d'un processus ponctuel est souvent appelée modèle ponctuel (Diggle 2003). L'analyse des
modèles (Corrochano 2005) est une vaste branche de l'informatique et s'applique aux points et
autres objets. Un objet, indépendamment de la complexité de sa forme ou de tout autre attribut,
peut effectivement être modélisé au moyen de processus ponctuels, en associant chaque attribut
comme une marque (Descombes et Zerubia 2002) du processus ponctuel. L'efficacité de
l'application des processus ponctuels marqués dans la modélisation des réseaux de fractures est
essentiellement affectée par le niveau de représentativité que le modèle offre. Chaque marque
est modélisée afin de traiter certains attributs importants des fractures ou des réseaux de
fractures. Il existe toutefois un compromis entre le nombre de points et la complexité du modèle,
pour lequel une solution ultime serait des évaluations basées sur des cas.
BALAH Yahia
4) Ligne :
Une ligne est l'objet unidimensionnel le plus simple et est entièrement spécifiée par ses points
finaux, P1 et P2 (Weltner et al. 2009). Elle peut également être spécifiée par un point et un
angle (α). Notez que le terme ligne signifie généralement une ligne finie, c'est-à-dire un
segment. Ainsi, pour une description complète de la deuxième forme, la longueur (l) est requise.
L'intersection d'une fracture avec une surface exposée, telle qu'un affleurement, apparaît
sur cette surface sous la forme d'une ligne, communément appelée ligne de trace de fracture
(Odling 1992) ou simplement une trace. Sans perdre de vue la généralité, on peut considérer
une trace comme un ligne droite. L'intersection de deux traces est donc un point. En trois
dimensions, l'intersection de deux fractures est une ligne ou un point selon les formes des
fractures et leur disposition relative dans l'espace tridimensionnel (position et rotation).
5) Polygone :
Un ensemble de lignes connectées forme un polygone. Les fractures en trois dimensions

peuvent être modélisées par des polygones convexes (Goodman et O'Rourke 2004). Les
fractures courbes peuvent être facilement aplaties sur certaines tangentes, produisant un
ensemble de polygones convexes simples et plats. Ci-après, le terme "polygone" désigne un
polygone plat. Les polygones convexes sont la norme pour les opérations géométriques
robustes (par exemple, les intersections ; Toussaint 1985). Un quadrangle, quadrilatère qui est
le plus simple des polygones convexes à quatre sommets, est couramment utilisé pour modéliser
des fractures tridimensionnelles (Blocher et al. 2010). Toute représentation quadrilatérale d'une
fracture peut être approchée par une ellipse. La représentation elliptique des fractures est
couramment utilisée, et largement rapportée dans la littérature (CFCFF 1996), principalement
en raison de sa simplicité de paramétrage. Il convient de noter qu'il existe cependant des erreurs
importantes dans cette simplification, notamment dans l'approximation des intersections des
fractures. À la lumière du concept de CoG, on peut généraliser en disant qu'il existe de très rares
cas dans lesquels le CoG d'une ellipse correspondrait au CoG de la fracture polygonale
d'origine. Il convient également de noter que la surface et l'autorisation d'une ellipse modélisée
seraient sensiblement différentes de celles de l'ellipse fracture. Ces erreurs sont plus
problématiques lorsqu'il s'agit d'un réseau de fractures modélisé par des ellipses afin d'analyser
la connectivité, l'intersection et la topologie. En outre, toute statistique déduite
d'approximations elliptiques des fractures est probablement fortement biaisée. D'autre part, la
BALAH Yahia
modélisation polygonale évite tous les problèmes mentionnés ci-dessus car elle correspond
parfaitement ou avec une approximation négligeable à toute complexité dans la forme des
fractures. La représentation polygonale offre : une grande efficacité dans la modélisation, un
calcul haute performance, une grande précision dans l'ajustement, une grande flexibilité dans
le traitement de la complexité de la forme des fractures et un grand réalisme dans la
modélisation des fractures et des réseaux de fractures.
6) Coque convexe :
Une coque convexe est également un polytope défini par sa limite. En deux dimensions,
une coque convexe d'un ensemble de points est un polygone convexe et en trois dimensions,
c'est un polyèdre convexe. Le réseau de fractures en général alors qu'il est représenté par des
points soit CoG soit des sommets peut être couvert par des coques convexes.
Plusieurs algorithmes peuvent être utilisés pour calculer des coques convexes pour des
points en deux et trois dimensions, notamment le balayage de Graham, la marche de Jarvis, la
coque rapide, la division et la conquête, la coque convexe dynamique pour les points en deux
dimensions ; l'emballage cadeau et le dessous et l'au-delà pour les points en trois dimensions
(voir Preparata et Shamos 1985 pour plus de détails).
7) Plus petit cercle, ellipse, sphère et ellipsoïde :
Les plus petits cercle, ellipse, sphère et ellipsoïde (Smallest Enclosing Circle ‘SEC’,
Ellipse ‘SEE’, Sphere ‘SES’ and Ellipsoid ‘SEED’) sont respectivement le plus petit cercle,
l'ellipse, la sphère et l'ellipsoïde, et renferment un ensemble de points (Gartner et Schonherr
1998). Si la forme d'une fracture en trois dimensions est approximée par un cercle ou une
ellipse, SEC et SEE sont utiles pour déterminer les paramètres de taille et d'orientation.
8) Plus grand cercle vide, ellipse, sphère et ellipsoïde :
Une partie vide d'un espace peut être généralisée en un grand cercle vide (LEC), une
ellipse (LEE), une sphère (LES) ou un ellipsoïde (LEEd) (Toussaint 1983). Pour les réseaux de
fractures, la détermination de la taille d'un espace vide peut être utile à diverses fins, y compris,
mais sans s'y limiter, l'évaluation des risques de sécurité et l'expansion des réservoirs (par
exemple, dans les systèmes géothermiques améliorés).
BALAH Yahia
C'est une tâche importante pour localiser les stations de stockage de déchets dangereux sous
terre à proximité des zones de fractures. Elle a également des applications pour déterminer des
sous-zones avec un minimum de l'activité tectonique probable.
9) Triangulation :
La triangulation (Boissonnat et Yvinec 1998 ; Okabe et al. 2000) est une procédure qui consiste
à ajuster un ensemble de triangles non chevauchants à un nombre fini de points. Pour les points
en trois dimensions, la complexité de calcul de la triangulation est 0(n log n). Elle est utilisée
pour générer des simplexes bidimensionnels (c'est-à-dire des triangles) à partir de points
d'échantillonnage dans une région d'étude ou sur une surface de fracture.
En trois dimensions, une fracture peut être triangulée efficacement en utilisant n'importe lequel
des algorithmes disponibles (voir Sadoyan et al.2006).
La triangulation qui en résulte donne de meilleures performances et une plus grande

robustesse pour les opérations géométriques et constitue également un standard pour la
visualisation.
En outre, la triangulation est une partie essentielle du maillage (Persson 1997) dans toute
méthode différentielle finie en ingénierie, y compris les méthodes d'éléments finis (Liu et Quek
2003 ; Paluszny et Zimmerman 2011).
10) Tessellations de Delaunay et de Voronoi :
La tessellation est l’action de décomposer une surface en parties régulières découpées.

Une terrasse dallée a donc subi une tessellation.
Les principaux objectifs de la triangulation sont de modéliser les surfaces et d'estimer

la proximité. Les triangles qui en résultent peuvent être utilisés pour créer les tessellations de
Delaunay (Boissonnat et Yvinec 1998) et de Voronoï (Boissonnat et Yvinec 1998) qui sont des
normes de partitionnement de l'espace. Les tessellations de Delaunay et de Voronoï sont
doubles et peuvent donc être construites l'une à l'aide de l'autre. En deux dimensions, une
tessellation de Voronoï est une partition polygonale convexe d'un espace, tandis qu'en trois
dimensions, elle est un ensemble de polyèdres convexes. Un polygone de Voronoï est défini
comme suit :
BALAH Yahia
𝑽(𝒊) = ⋂ 𝑯(𝑷𝒊 , 𝑷𝒋 ) (12)

𝒊≠𝒋
Où H est le demi-plan contenant l'ensemble des points plus proches de Pi que Pj.
Fig.II.7, Effet de bord pour un diagramme de Voronoï. (a) pas de correction, (b) correction périodique du
réseau, (c) solution de la zone tampon.
BALAH Yahia
II.3.5. Exemples de modélisations :

1) Modélisation des points :
Le modèle de Poisson est statistiquement connu comme un exemple standard de

processus ponctuel qui satisfait au critère de l'aléa spatial complet (CSR, Diggle 2003). Une
remarque secondaire est que, selon le sujet d'étude, d'autres types de fonctions de distribution
peuvent être justifiés sans aucune limitation.
Fig.II.8, Les modèles de points peuvent être homogènes ou non. Les motifs de points inhomogènes
exposent une fonction d'intensité plutôt qu'une valeur de densité unique pour les points. Dans (b), la
fonction d'intensité est dans laquelle. (a) et (b) ont tous deux 100 points.
De la même manière, des points de localisation peuvent être générés pour les réseaux
de fractures tridimensionnels, comme le montre la figure suivante (Baddeley et al. 2006 et
Illian et al. 2008).
Fig.II.9, Réalisations de points en trois dimensions à l'aide du processus de Poisson homogène (à gauche)
avec une intensité résultante de 368 et du processus de Poisson inhomogène (à droite) avec une intensité
résultante de 682.
BALAH Yahia
2) Modélisation des lignes :
Les variations dans les modèles de localisation, d'orientation et de longueur des points
génèrent des modèles de réseaux de fractures très différents, comme ceux illustrés à la figure
suivante :
Fig.II.10, Divers modèles de réseaux de fractures peuvent être générés en combinant des modèles de
localisation, de longueur et d'orientation. Les exemples présentés montrent la flexibilité de l'approche
pour modéliser presque toute forme de réseau de fractures.
BALAH Yahia
3) Modélisation des polygones :
L'application du concept de polygone à divers paramètres du modèle de réseau de

fractures (par exemple, emplacements et orientations) peut générer un large éventail de
modèles de fractures qui forment des blocs rocheux, comme les exemples illustrés à la figure
suivante. La méthode fournit un moyen utile de générer des blocs qui se conforment de façon
intéressante aux observations de terrain.
Fig.II.11, Différents blocs générés à la base de différents modèles de fracturation avec différents
paramètres d'une fonction de distribution de von-Mises pour générer les orientations des fractures.
4) Modélisation tridimensionnelle des réseaux de fractures :
En trois dimensions, une fracture est mieux représentée par un polygone dans son sens
générique, ce qui permet de modéliser facilement toute forme complexe et asymétrique.
D'autres méthodes, telles que les représentations en cercle, en ellipse, en rectangle et en plan,
sont trop simplistes. Dans les méthodes de modélisation, telles que la DFN, les polygones
sont strictement convexes afin d'éviter toute complexité inutile dans les solutions analytiques
et numériques. Cette condition ne limite pas la capacité de modélisation de la méthode, car
tout polygone concave peut être facilement subdivisé en polygones convexes. En limitant la
représentation polygonale aux formes convexes, on obtient également un cadre solide pour les
BALAH Yahia
relations topologiques (connectivité) dans les réseaux de fractures. En outre, malgré la

complexité apparente d'un polygone convexe général par rapport à un cercle, une ellipse ou
un rectangle, les opérations géométriques sont simples, voire plus efficaces (Goodman et O'
Rourke 2004).
Fig.II.12, Différentes formes de fractures en trois dimensions.
Fig.II.13, Réseau de fractures tridimensionnelles et groupes de fractures. En (b), les premiers groupes les
plus importants sont présentés par ordre décroissant en rouge, vert et bleu. En (c), les trois plus grands
groupes suivants sont indiqués.
BALAH Yahia
II.4. Conclusion :
Les langages de script sont généralement exécutés à partir de fichiers (dits,

précisément, scripts) contenant le code source du programme qui sera interprété.
Historiquement, ils ont été créés pour raccourcir le processus traditionnel de développement
édition-compilation-édition des liens-exécution propre aux langages compilés.
Pour notre cas de travail, on trouve que le MATLAB et le PAYTHON sont les plus
abordables et peu simple à utiliser pour résoudre notre problématique.
La programmation par MATLAB est un peu plus facile que la création d’un code
exécutable par le PYTHON qui demande beaucoup de recherche et de concentration.
De plus, la bibliothèque des outils du PYTHON est gratuite (open source) par contre le
toolbox du MATLAB reste toujours payant.
La modélisation stochastique constitue un outil bien adapté à l’étude des massifs

rocheux fracturés. Les simulations effectuées sur quelques modèles ont essentiellement mis en
évidence des mécanismes de déformation ou de rupture souvent complexes, dans les
problèmes tels que les glissements des talus rocheux, rupture d’un pilier minier, affaissements
et effondrements.
BALAH Yahia
CHAPITRE III
Modélisation
stochastique des
fractures par MATLAB
Modélisation stochastique des fractures par MATLAB
III. Modélisation stochastique des fractures par MATLAB
III.1. Introduction :
Dans cette section, on présente notre travail réalisé à l’aide du MATLAB, en montrant
les différentes modélisations des fractures générer.
Le programme utilisé pour notre modélisation est d’origine de Dr. Younes Fadakar
Alghalandis, ce travail est réalisé par ce professeur d’origine Iranien et d’antres chercheurs de
l’université de Toronto Canada et l’université de Adelaïde Australie.
Le programme est de trois versions, la version utilisée pour notre thématique est
(ADFNE1.5), cette version contient un certain nombre de fonctions MATLAB disponibles et
gratuites.(Healy et al. 2017)
ADFNE c’est une abréviation de (Alghalandis Discret Fracture Network Engineering),

elle base dans sa réalisation d’un réseau de fractures sur les lois de distribution probabiliste.
Comme on a mentionné dans le chapitre précédant, le MATLAB est un logiciel de calcul

mathématique à base matricielle, donc notre modèle va être présenter par des matrices (M) ; les
éléments de chaque matrice (i, j) se sont des pixels et chacun de ces derniers va prendre une
valeur stochastique.
En premier lieu, on crée un bloc qui va représenter la zone d’étude, le bloc est divisé en
100 pixels (10 x 10), la modélisation des lignes c’est-à-dire les fractures est basée sur la
génération des points de début et de fin pour chaque ligne, cette génération est un tirage aléatoire
de la loi de poisson. Les orientations des fractures sont générées de la loi de distribution de Von-
Mises. Ensuite, la liaison entre les points de début-fin va nous donner un réseau de fractures
bien défini.
BALAH Yahia
III.2. Applications de la modélisation stochastique en 2D :

III.2.1. Processus de la distribution de poisson :
La loi de distribution de poisson a nous aidé de générer des points aléatoires entre
[0,1], la liaison en chaque deux points nous donne une ligne, cette ligne est la fracture générée
aléatoirement selon la loi de poisson comme il est montré sur la figure suivante.
Fig.III.1, Modélisation d''un réseau de fractures avec n=100 et α=[0,2π] processus de poisson.
La loi de Poisson est également pertinente pour décrire le nombre d'événements dans
d'autres types d'intervalles, spatiaux plutôt que temporels, comme des segments, surfaces ou
volumes.
Cette loi est donnée par la formule suivante :
𝜆𝑘
p(k) = P(X=k) = 𝑒 −𝜆
𝑘!
Où :
- e est la base de l'exponentielle (e ≈ 2,718...) ;
- k! est la factorielle de k ;
- λ est un nombre réel strictement positif (c’est l’espérance de la loi de poisson).
BALAH Yahia
Commentaire :
La figure (Fig.III.1) présente deux modèles de réseau de fractures générer par la loi de
poisson, le premier modèle situé à gauche est un processus de poisson homogène c’est-à-dire
la distribution des variables est homogène et équidistante, par contre le deuxième est un
processus inhomogène de poisson, on voit une concentration des fractures dans les deux zones
comme il est montré par les deux cercles.
III.2.2. Modélisation d’un réseau de fractures en conditionnant

l’orientation :
En ingénierie, la classification des massif rocheux et la détermination du facteur de
sécurité nécessite la connaissance du nombre de familles de fractures existent dans la zone
d’étude.
1) Modèle orienté d’une seule famille de fractures avec une orientation nulle :
Fig.III.2, Modélisation d’un réseau de fracture contenant une seule famille.
BALAH Yahia
Commentaire :
La figure (Fig.III.2) représente un exemple sur la modélisation d’une seule famille de

fractures, ce modèle est connu sur le nom de réseau directionnel (directional fractures
network). Le modèle est une distribution de la loi de poisson avec un distribution de Von-
Mises nulle.
2) Modèle semi-orienté de deux familles de fractures avec des orientations

opposées :
Fig.III.3, Modélisation d’un réseau de fracture contenant deux familles.
Commentaire :
La figure (Fig.III.3) représente un exemple sur la modélisation de deux familles de

fractures dans notre zone d’étude, une simple modification sur notre programme précèdent de
génération à nous permet de d’avoir de modèle, ce modèle est connu sur le nom de réseau
semi-directionnel (semi-directional fractures network). (Voire Annexes)
BALAH Yahia
3) Modèle de trois familles de fractures à trois orientations :
Fig.III.4, Modélisation d’un réseau de fracture à trois familles.
Commentaire :
La figure (Fig.III.4) représente un exemple sur la modélisation de trois familles de

fractures dans la zone d’étude, ce modèle est connu sur le nom de réseau omnidirectionnel
(omni-directional fractures network). (Voire Annexes)
BALAH Yahia
4) Modèle de trois familles de fractures à trois orientations avec des emplacements

spécifiques :
Fig.III.5, Modélisation d’un réseau de fracture à trois familles.
Commentaire :
La figure (Fig.III.5) représente trois familles de fractures dans la zone d’étude, mais
chacune a un emplacement spécifique comme il est montré par les rectangles, les paramètres
de la modélisation sont modifiables selon le cas d’étude, et comme notre thématique est la
modélisation stochastique, on essaye a générer le nombre de modèle maximal pour avoir un
résultat optimal et plus proche de la réalité. (Voire Annexes)
Le modèle omnidirectionnel est le modèle sur lequel qu’on bas pour avoir l’extension
de la troisième dimension.
BALAH Yahia
III.3. Applications de la modélisation stochastique en 3D :

III.3.1. Le passage du modèle 2D au 3D :
Pour passer du modèle en plan 2D vers un modèle dans l’espace 3D, on doit
également respecter les lois probabilistes de la distribution des variables ainsi que notre
modèle réalisé doit être représentatif.
On a parlé dans les chapitres précédents sur les différentes représentations des
fractures géologiques par les outils informatiques.
Pour garder le même modèle de réalisation en 2D et 3D, on garde les mèmes entrées
(input) de la modélisation 2D pour avoir les mèmes sorties en 3D (output).
1) Modélisation d’un réseau de fractures sur la base de modèle de Baecher (cercle) :
Fig.III.6, Modélisation stochastique des fractures de forme circulaires (Baecher), vu de dessus et vu

perspective
Commentaire :
La figure (Fig.III.6) représente le modèle de Baecher, les données utilisées pour la

modélisation sont les mèmes paramètre introduites dans la modélisation 2D du processus de
poisson. (Premier modèle de modélisation Fig.III.1).
BALAH Yahia
2) Modélisation d’un réseau de fractures sur la base de modèle de Dershowitz

(polygonne) :
Fig.III.7, Modélisation stochastique des fractures de forme polygonale (Dershowitz), vu de dessus et vu

perspective.
Fig.III.8, Modélisation stochastique des fractures de forme polygonale large (Dershowitz)
BALAH Yahia
Commentaire :
La figure (Fig.III.7) représente le modèle de Dershowitz, ce modèle est le plus

représentatif d’une ligne en 2D, car l’extension de cette dernière en 3D nous donne un plan.
3) Assemblage des modèles (Baecher et Dershowitz) :
Fig.III.9, Modélisation stochastique des fractures de forme circulaire et polygonale (Baecher et

Dershowitz), vu de dessus et vu perspective.
Commentaire :
La figure (Fig.III.9) représente assemblage des deux modèles de fractures

précédents (Baecher et Dershowitz), l’assemblage est fait en ajoutant les données d’entrées de
la modélisation de deux familles de fractures en 2D.
BALAH Yahia
4) Modélisation d’un assemblage de Dershowitz, Baecher et Baecher amélioré 3D :
Fig.III.10, Modélisation stochastique des fractures de forme circulaire, elliptique et, vu de dessus et vu
perspective.
Commentaire :
La figure (Fig.III.10) montre l’assemblage de trois modèles, le modèle elliptique est

un modèle de base circulaire modifier (Baecher) qui consiste à créer un plan de fractures à
deux centres de gravité.
BALAH Yahia
5) Modélisation stochastique d’un réseau de fractures en 3D (modèle réaliste) :
Fig.III.11, Modèle d’un bloc de roche fracturé proche de la réalité.
Commentaire :
La figure (Fig.III.11) est le résultat obtenu de la génération d’un ensemble de fracture

dans un bloc de roche unitaire [0 1, 0 1, 0 1], les données des fractures introduites sont tirées
aléatoirement de la distribution de poisson, les taille et les extensions des fractures sont
comprises entre 0.05 et 0.9 unité de modélisation.
BALAH Yahia
III.4. Conclusion :
A l’aide des outils informatiques et les travaux des chercheurs, on a pu créer un modèle
de réseaux de fractures générer dans une zone d’étude limite avec des paramètres tirer des lois
de distribution de probabilité.
La modélisation des fractures en 2D est plus simple que celle en 3D car elle nécessite
des données plus précises, et elle prend beaucoup de temps pour la réaliser.
BALAH Yahia
CHAPITRE IV
Essai de modélisation de
l’effet des fractures sur
la résistance d’un massif
rocheux en 2D
Essai de modélisation de l’effet des fractures sur la résistance d’un massif rocheux en 2D
IV. Essai de modélisation de l’effet des fractures sur la

résistance d’un massif rocheux en 2D :
IV.1. Introduction :
Lorsqu’on parle de la résistance de la roche, on parle sur son comportement mécanique
et son critère à la rupture qui est l’essentiel pour savoir sa résistance réelle soit à la compression,
à la traction ou au cisaillement.
En utilisant l'approche de réseau de fractures, il est possible de mieux comprendre la

résistance en chaque de point d’un bloc de roche.
Le critère de Mohr-Coulomb et la théorie de maillage sont utilisés pour la détermination

de la résistance en chaque point d’un bloc fracturé modélisant avant.
BALAH Yahia
IV.2. Estimation de la résistance pour un réseau de fractures en

2D :
A l’aide de l’algorithme créer par MATLAB, on fait appeler l’application
« guiFracPaQ2D » qui va nous donner plusieurs informations sur notre réseau de fractures.
FracPaQ est une boîte à outils open source écrite en MATLAB™ et disponible
publiquement sur GitHub et le Mathworks™ FileExchange. FracPaQ est conçu pour
quantifier les modèles de fractures dans la roche ou d'autres matériaux à partir d'images 2D.
L'utilisateur fournit soit un fichier image des matériaux fracturés, soit un fichier texte des
fractures tracées et de leurs coordonnées (x, y). À partir de ces deux types de données, le code
calcule les longueurs et les angles des fractures ainsi que leur connectivité. Ces données sont
affichées sous forme de cartes et de graphiques, et enregistrées dans des fichiers *.tif. Des
estimations sont faites de l'intensité (P21) et de la densité (P20) des fractures, et de la
perméabilité en 2D en utilisant un modèle simple de plaques parallèles. (Healy et al. 2017)
Les étapes suivantes montrent comment faire introduire les informations acquises de la
modélisation du réseau de fractures en 2D dans la fonction FRACPAQ :
- La modélisation du réseau de fractures donne trois sorties (output) ; les cordonnées

des points dissociées et groupées (X, Y, Lines). (Fig.IV.1)
- Le work space est l’interface d’affichage des sorties (output).
- MATLAB permet d’accéder au tableau des résultat, donc on peut les extraire.
(Fig.IV.2)
- On fait extraire les outputs dans un fichier texte de format « .txt ». (Fig.IV.3)
- On fait appeler la fonction « guiFracPaQ2D »,
- On introduit nos données, puis on exécute.
Les résultats sont montrés par des figures.
BALAH Yahia
Fig.IV.1, Interface de travail et les sorties obtenus.
Fig.IV.2, Tableau des coordonnées des fractures.
Fig.IV.3, Tableau des coordonnées des fractures en format txt.
BALAH Yahia
Fig.IV.4, Interface de la fonction FracPaQ.
1) Centre de gravité des fractures :
Fig.IV.5, affichage des centres de gravité.
BALAH Yahia
Commentaire :
Le point de localisation le plus représentatif d'un objet géométrique (O) est son centre
géométrique et comme la figure (Fig.IV.5) ; les points rouges sont les centres de gravité de
chaque fracture.
On va estimer la résistance à partir de ces centres, tel que :
- Le centre de gravité va prendre la valeur zéro de résistance car il appartient à la

fracture.
- En allant vers un autre centre de gravité, la résistance augmente jusqu’à la demi

distance entre ces deux centres
- La méthode utilisée est l’inverse de distance.
2) Intersection des fractures :
Fig.IV.6, Intersections entre fractures.
BALAH Yahia
Commentaire :
Les points rouges représentés sur la figure (Fig.IV.6) sont les points d’intersection
entre les fractures, la concentration des points rouges signifie une grande connectivité et donc
une zone à faible résistance.
3) Résistance dans chaque point du bloc rocheux :
Avant d’estimer la résistance du bloc fracturé, on doit supposer que notre bloc est à un
état intact et homogène contenant un seul faciès géologique.
Fig.IV.7, Bloc de roche intact contenant un seul faciès géologique.
BALAH Yahia
Commentaire :
La figure (Fig.IV.7) nous montre un bloc de roche avec une résistance répartie avec la
même valeur de 50 MPa en chaque point de la zone d’étude.
Fig.IV.8, Estimation de la résistance en chaque pixel du bloc.
BALAH Yahia
Commentaire :
Le figure (Fig.IV.8) nous montre la distribution des résistances dans notre bloc
unitaire, et chaque pixel représente une valeur de résistance en allant de zéro (0) MPa jusqu’à
50 MPa.
Les pixels dont la résistance est faible sont les zones infectées par la concentration des
intersections des fractures comme on a montré sur la figure précédente.
BALAH Yahia
IV.3. Conclusion :
Toutes les fonctions, classes et scripts d'ADFNE1.5 sont de purs codes Matlab pour
une lisibilité maximale. Pour des performances optimales, des optimisations avancées ont été
mises en œuvre, notamment l'optimisation des boîtes englobantes pour l'analyse des
intersections, les exécutions vectorisées et bien d'autres.
Pour toutes les utilisations habituelles, les exécutions sont réalisées en une fraction de
seconde à quelques minutes. Pour les très grandes simulations DFN (plus de 100 000) qui
comprennent l'analyse des intersections, la caractérisation, la modélisation des flux, ça va
prendre du temps.(« Fadakar-A Y, 2018, DFNE Practices with ADFNE.pdf », s. d.)
D’autre part, la FracPaQ2D est codage de JAVA script, MATLAB et PYTHON, elle
nécessite des données prélevées du résultat de la ADFNE1.5 pour pouvoir s’exécuter et
simuler la conductivité, la perméabilité, histogrammes des angles et des fractures ainsi que
l’estimation de la résistance.
Dans cette partie, nous avons pu modéliser l’impact d’un réseau de fractures sur la
résistance d’un massif rocheux composé d’un seul faciès géologique, ceci est très rare dans la
nature donc la simulation d’un massif rocheux composé de plusieurs faciès géologiques
s’avère plus avantageuse.
Cette application FracPaQ nous a permet d’estimer la connectivité dans chaque bloc,
une zone à forte connectivité signifie une zone à faible résistance, et une zone sans
connectivité (intacte) est une zone à forte résistance.
L’inconvénient de cette application est qu’elle permet d’estimer la résistance dans

chaque bloc (pixel), mais dans le cas réel, chaque résistance estimée par bloc subit et impact
les résistances des blocs avoisinants. Cette problématique va faire l’objet de notre travail de
recherche en Master.
BALAH Yahia
Conclusion générale
Conclusion générale
Conclusion générale :
Ce travail de projet de fin d’étude avait pour objectif, la création d’un modèle de bloc
fracturé plus proche de la réalité, basé sur les distributions des lois de probabilités. Certaines de
ces lois sont utilisées pour la création des fractures et d’autres pour leurs spécifications en
orientations, espacements et emplacements.
L’assemblage des outils informatiques et les théories mathématiques a nous aidé de

créer un modèle de réseau de fractures de différents paramètres et différentes spécifications.
La modélisation stochastique d’un réseau de fractures est très essentielle dans l’étude
du comportement d’un massif rocheux, car lors mesures indirectes de variables telles que les
orientations et les espacements des fracture, elles comportent‫هه‬des incertitudes importantes et,
dans ces circonstances, la seule approche possible‫هه‬est une approche stochastique.
Lorsqu’il s’agit d’une modélisation stochastique d’un réseau de fractures en 2D, les
données sont générées aléatoirement des lois de distributions comme Poisson, Gausse…
Lorsqu’il d’agit d’une modélisation stochastique d’un bloc fracturé en 3D, les fractures
sont essentiellement modélisées par des polygones plats convexes, car le modèle polygonal est
le plus représentatif et en général les fractures dans la nature sont de forme plate polygonales.
La modélisation de la troisième dimension nécessite des données acquises de la

modélisation en deux dimensions.
Les algorithmes d’estimation de la résistance se basent sur la théorie de Mohr-Coulomb.

Ils calculent la résistance dans chaque point autour de la fracture et en s’éloignant d’elle. La
zone d’étude est divisée en pixels, les points dont un pixel de coordonnées [i, j] les entoures,
leurs résistances seront transformées en une moyenne géométrique et le pixel va prendre cette
valeur de résistance.
Lorsqu’il s’agit de vouloir connaitre la résistance en un point très précis de la zone

d’étude, sa valeur vaut à la valeur du pixel, et cela est considérer comme un inconvénient
majeur.
BALAH Yahia
Bibliographie et
références
Bibliographie et références
Afzal, Peyman, Younes Fadakar Alghalandis, Ahmad Khakzad, Parviz Moarefvand, et

Nematolah Rashidnejad Omran. « Delineation of Mineralization Zones in Porphyry
Cu Deposits by Fractal Concentration–Volume Modeling ». Journal of Geochemical
Exploration 108, nᵒ 3 (mars 2011): 220‑32.
https://doi.org/10.1016/j.gexplo.2011.03.005.
Alaba, O C, T O Adeniyi, et S A Agbalajobi. « DETERMINATION OF ROCK
DISCONTINUITY FOR PREDICTION OF BLASTING PERFORMANCES USING
QUANTITATIVE AND QUALITATIVE PARAMETERS », s. d., 11.
Alemanni, A., M. Battaglia, S. Bigi, E. Borisova, A. Campana, M. Loizzo, et S. Lombardi.
« A Three Dimensional Representation of the Fracture Network of a CO2 Reservoir
Analogue (Latera Caldera, Central Italy) ». Energy Procedia 4 (2011): 3582‑87.
https://doi.org/10.1016/j.egypro.2011.02.287.
Alghalandis, Younes Fadakar. « Stochastic Modelling of Fractures in Rock Masses », s. d.,
300.
Alghalandis, Younes FADAKAR, Chaoshui Xu, et Peter A Dowd. « Connectivity Index and
Connectivity Field towards Fluid Flow in Fracture-Based Geothermal Reservoirs »,
s. d., 12.
Alghalandis, Younes Fadakar, Chaoshui Xu, et Peter A Dowd. « INDEX DE
CONNECTIVITÉ ET CHAMP DE CONNECTIVITÉ VERS UN FLUX DE FLUIDE
RÉSERVOIRS GÉOTHERMIQUES À BASE DE FRACTURE », s. d., 12.
Atkinson, G. M. « Stochastic Modeling of California Ground Motions ». Bulletin of the
Seismological Society of America 90, nᵒ 2 (1 avril 2000): 255‑74.
https://doi.org/10.1785/0119990064.
« Barton and Bandis_1982.pdf », s. d.
Barton, Nick. « Shear Strength Criteria for Rock, Rock Joints, Rockfill and Rock Masses:
Problems and Some Solutions ». Journal of Rock Mechanics and Geotechnical
Engineering 5, nᵒ 4 (août 2013): 249‑61. https://doi.org/10.1016/j.jrmge.2013.05.008.
Briot, Jérôme. « Introduction à la programmation des interfaces graphiques sous MATLAB ».
Developpez.com. Consulté le 15 septembre 2020. http://briot-
jerome.developpez.com/matlab/tutoriels/introduction-programmation-interfaces-
graphiques/.
GitHub. « Build Software Better, Together ». Consulté le 15 Juin 2020. https://github.com.
Chalhoub, Michel. « Apports des méthodes d’homogénéisation numériques à la classification
des massifs rocheux fracturés », 2018., 226.
« Curriculum Vitae – Alghalandis Computing ». Consulté le 15 Juin 2020.
https://alghalandis.net/about/academia/curriculum-vitae/.
« DiscontinuitesDuMassifRocheux-MDRA2.pdf », s. d.
Dreuzy, Raynald de. « Modélisation des écoulements et du transport dans les milieux
fortement hétérogènes et fracturés », 2008, 59.
DURVILLE, Jean-Louis, et Hubert HÉRAUD. « Description des roches et des massifs
rocheux ». Text. Ref : TIP541WEB - « Mécanique des sols et géotechnique ». Editions
T.I. | Techniques de l’Ingénieur, 10 novembre 1995. 1995. https://www.techniques-
ingenieur.fr/base-documentaire/construction-et-travaux-publics-th3/geotechnique-
42238210/description-des-roches-et-des-massifs-rocheux-c352/.
« Eurocode 7_Calcul géotechnique_Calcul sur la base d’essais de laboratoire_ENV 1997-
2.pdf », s. d.
Gautier, Jean-Michel, Pierre Gruneisen, Dominique Massa, et Michel Ruhland. « Fracturation
et analyse tectonique sur carottes de sondage. Etude méthodologique appliquée au
champ d’Hassi-Messaoud Nord ». Sciences Géologiques. Bulletin 26, nᵒ 2 (1973):
115‑59. https://doi.org/10.3406/sgeol.1973.1429.
BALAH Yahia
Li Y, Anderson-Sprecher R (2011) Detection of Fluid Signals in the 1985

Yellowstone Earthquake Swarm, J Mathematical Geosciences, 43:293-304.
Liu GR, Quek SS (2003) Finite Element Method, A Practical Course. Elsevier
Science, pp361.
Magnan, Jean-Pierre. « Résistance au cisaillement », s. d., 25.
Marrett, Randall, Julia F.W. Gale, Leonel A. Gómez, et Stephen E. Laubach. « Correlation
Analysis of Fracture Arrangement in Space ». Journal of Structural Geology 108 (mars
2018): 16‑33. https://doi.org/10.1016/j.jsg.2017.06.012.
« MATLAB ». In Wikipédia, 20 avril 2020.
https://fr.wikipedia.org/w/index.php?title=MATLAB&oldid=169802416.
Oda, Chaoshui Xu, et Ramaswami. « DFN », 2013.
Peyras, Laurent, Patrice Rivard, Pierre Breul, Adrien Millet, et Gérard Ballivy.
« Characterization of Rock Discontinuity Openings Using Acoustic Wave Amplitude
— Application to a Metamorphic Rock Mass ». Engineering Geology 193 (juillet
2015): 402‑11. https://doi.org/10.1016/j.enggeo.2015.05.014.
Priest, S D, et J A Hudson. « Discontinuity Spacings in Rock », s. d., 14.
« Python (langage) ». In Wikipédia, 21 août 2020.
https://fr.wikipedia.org/w/index.php?title=Python_(langage)&oldid=174016162.
Formation Django. « Python : présentation d’ensemble du langage ». Consulté le 2 septembre
2020. http://www.formation-django.fr/python/presentation-ensemble-langage-
python.html.
Qarqori, Kh., M. Rouai, F. Moreau, G. Saracco, O. Dauteuil, D. Hermitte, M. Boualoul, et C.
Le Carlier de Veslud. « Geoelectrical Tomography Investigating and Modeling of
Fractures Network around Bittit Spring (Middle Atlas, Morocco) ». International
Journal of Geophysics 2012 (2012): 1‑13. https://doi.org/10.1155/2012/489634.
Rafiee, Ali. « Contribution à l’étude de la stabilité des massifs rocheux fracturés:
caractérisation de la fracturation in situ, géostatistique et mécanique des milieux
discrets », s. d., 274.
Rawnsley, Wei, et Stoyan. « DFN 2 », 2001.
Renard, D, H Beucher, et B Doligez. « HETEROTOPIC BI-CATEGORICAL VARIABLES
IN PLURIGAUSSIAN TRUNCATED SIMULATIONS », 2008, 10.
Ronteix, S. « la fracturation des roches dures et la prospection hydrogéologique », s. d., 80.
Ruhland, Michel. « Méthode d’étude de la fracturation naturelle des roches associée à divers
modèles structuraux ». Sciences Géologiques. Bulletin 26, nᵒ 2 (1973): 91‑113.
https://doi.org/10.3406/sgeol.1973.1428.
Serratrice, Jean-François, et Jean-Louis Durville. « Description des roches et des massifs
rocheux », 1997, 15.
Stoyan, Chaoshui Xu, et Farrell. « DFN 3 », 2001.
surrem. « Ingénierie des roches / Engineering geology ». Text, 11 mars 2019. Fr.
http://formations.univ-grenoble-alpes.fr/fr/catalogue/cycle-preparatoire-et-diplome-d-
ingenieur-XC/sciences-technologies-sante-STS/ingenieur-de-polytech-grenoble-
specialite-geotechnique-et-genie-civil-program-ingenieur-de-polytech-grenoble-
specialite-geotechnique/ue-geosciences-2-earth-sciences-2-IFNPCQ3F/ingenierie-des-
roches-engineering-geology-IFNQ4HM3.html.
Taylor, Howard M., et Samuel Karlin. An Introduction to Stochastic Modeling. 3rd ed. San
Diego: Academic Press, 1998.
Townsend, James T., Distinguished Rudy Professor of Psychology James T. Townsend, et F.
Gregory Ashby. Stochastic Modeling of Elementary Psychological Processes. CUP
Archive, 1983.
BALAH Yahia
Watkins, Hannah, Clare E. Bond, Dave Healy, et Robert W.H. Butler. « Appraisal of Fracture
Sampling Methods and a New Workflow to Characterise Heterogeneous Fracture
Networks at Outcrop ». Journal of Structural Geology 72 (mars 2015): 67‑82.
https://doi.org/10.1016/j.jsg.2015.02.001.
Xu, C, P A Dowd, K V Mardia, et R J Fowell. « Stochastic Modelling of Fractures in Rock
Masses: Rock Fracture Pattern Analysis by Marked Poisson Point Processes », s. d., 5.
Xu, Chaoshui, Peter Alan Dowd, Kanti V. Mardia, et Robert J. Fowell. « A Flexible True
Plurigaussian Code for Spatial Facies Simulations ». Computers & Geosciences 32, nᵒ
10 (décembre 2006): 1629‑45. https://doi.org/10.1016/j.cageo.2006.03.002.
BALAH Yahia
Annexes
Annexes
clear all
clc
lines = RandLinesInPoly2D(100,0.09,0.01,0,pi/2);
[X,Y] = LinesToXYnan2D(lines);
clf
plot(X,Y,'k-')
Titles2D('-=[','Modélisation stochastique d''réseau de fractures n=100')
%Modélisation aléatoire d'un réseau de fracture par la fonction RandLines
clear all;
clc;
lines = GenFNM2D(100,pi,0,0.05,0.75);
[X,Y] = LinesToXYnan2D(lines);
clf
plot(X,Y,'r-')
Titles2D('=[','Processus de poisson homogène')
Export(gcf,'Modélisation d''un réseau de fractures n=100 et α=[0,2π] processus
de poison.png');
%Modélisation aléatoire d'un réseau de fracture par la fonction GenFNM2D
clear all, clc

for input=1:5
input = menu('Select one option from this liste','random fractures
network','one oriented familly fractures network','semi_oriented fractures
network','omni_directional fractures network','omni_directional fractures
network spesific','variogramme of the distribution')
switch input
case 1
Draw('lin',Field(DFN,'Line'));
xlabel('X');
ylabel('Y');
Export(gcf,'random fractures network.png');
case 2
set1 = Field(DFN('dim',2,'n',100,'dir',0,'ddir',-1e9,'minl',0.1,...
'mu',0.07,'maxl',0.7,'bbx',[0,0,1,1]),'Line');
Draw('lin',set1);
Titles2D('=[','Une seule famille de fractures orientée teta=0')
Export(gcf,'one oriented familly fractures network n=100.png');
case 3
set1 = Field(DFN('dim',2,'n',100,'dir',45,'ddir',-
1e9,'minl',0.05,...
'mu',0.07,'maxl',0.1,'bbx',[0,0,1,1]),'Line');
1e9,'minl',0.1,...
BALAH Yahia
Annexes
'mu',0.3,'maxl',0.5,'bbx',[0,0,1,1]),'Line');
Draw('lin',[set1;set2]);
Titles2D('=[','Deux familles de fractures teta_1=45° et
teta_2=135°')
Export(gcf,'semi_oriented fractures network 45 and 135.png');
case 4
1e9,'minl',0.05,...
'mu',0.07,'maxl',0.9,'bbx',[0,0,1,1]),'Line');
1e9,'minl',0.05,...
'mu',0.3,'maxl',0.3,'bbx',[0,0,1,1]),'Line');
'mu',0.7,'maxl',0.6,'bbx',[0,0,1,1]),'Line');
Draw('lin',[set1;set2;set3]);
Titles2D('=[','Trois familles de fractures teta=[0°,45°,135°]')
Export(gcf,'omni_directional fractures network.png');
case 5
1e9,'minl',0.05,...
'mu',0.07,'maxl',0.5,'bbx',[0,0,1,1]),'Line');
1e9,'minl',0.05,...
'mu',0.3,'maxl',0.1,'bbx',[0.2,0.2,0.45,0.65]),'Line');
1e9,'minl',0.1,...
'mu',0.7,'maxl',0.2,'bbx',[0.5,0.45,0.7,0.85]),'Line');
Draw('lin',[set1;set2;set3]);
Titles2D('=[','Trois familles de fractures avec un emplacement
spécifié')
Export(gcf,'omni_directional fractures network spesific.png');
case 6
n = 150;
[x,y] = meshgrid(1:n,1:n); w = peaks(n);
% map with spatial correlation
x = x(:); y = y(:); w = w(:); nn = randperm(n*n); f = nn(1:2*n);
% random sampling
x = x(f); y = y(f); w = w(f);
clf;
subplot(231); scatter(x,y,30,w,'filled'); Axes(2,'p',5);
title('data'); % sample data
subplot(232); [d,g,v] = Variocloud([x,y],w,[],true);
% variocloud
subplot(233); Variogram(d,g,3,v,true);
% variogram
subplot(234);
% variomodels
Variomodel({'name','sph','nugget',0,'sill',4,'range',40},...
% spherical model
0:0.5*max(d),true); hold on
Variomodel({'name','exp','nugget',0,'sill',4,'range',40},...
% exponential model
0:0.5*max(d),true);
Variomodel({'name','lin','nugget',0,'slope',0.1},...
% linear model
0:0.5*max(d),true);
subplot(235);
[krg,err] = Kriging([x,y],w,d,{'name','sph','nugget',0,'sill',4,...
% 2d kriging estimates & errors
'range',50},[50,50],true);
subplot(236);
BALAH Yahia
Annexes
xyz = [x,y,Scale(rand(size(x)),0,150)];
% making 3d data
[krg3,err3] = Kriging(xyz,w,d,{'name','sph','nugget',0,'sill',4,...
% 3d kriging estimates & errors
'range',50},[20,20,20],true);
Export(gcf,'geostatistics_adfne1.5.png');
otherwise
break;
end
end
clear all, clc

for input=1:10
input = menu('Select on option from the list','Modélisation stochastique des
disques de Baecher','Modélisation stochastique de Dershowitz','Modélisation
stochastique de Dershowitz et Baecher','Modélisation stochastique de
Dershowitz et Baecher','5','6','7')
switch input
case 1
Draw('ply',Field(DFN('dim',3),'Poly'));
Titles2D('=[','Modélisation stochastique des disques de Baecher')
Export(gcf,'Modélisation_3D.png');
case 2
'mu',0.1,'maxl',0.5,'bbx',[0,0,0,1,1,1],'dip',45,'ddip',-
1e7),'Poly');
'mu',0.1,'maxl',0.5,'bbx',[0,0,0,1,1,0.5],'dip',45,'ddip',-1e7,...
'shape','c','q',4),'Poly');
Draw('ply',[set1;set2]);
Titles2D('=[','Modélisation stochastique de Dershowitz')
Export(gcf,'dfn_3d_sets_adfne1.5.png');
case 3
1e7),'Poly');
'shape','e','q',4),'Poly');
Draw('ply',[set1;set2]);
Titles2D('=[','Modélisation stochastique de Dershowitz et Baecher')
case 4
1e7),'Poly');
'shape','c','q',4),'Poly');
'shape','e','q',4),'Poly');
Titles2D('=[','Modélisation stochastique de Dershowitz, Baecher et
Beacher amélioré')
BALAH Yahia
Annexes
Draw('ply',[set1;set2;set3]);
Titles2D('=[','Modélisation stochastique de Dershowitz et Baecher')
case 5
% 3D DFN, Large
fnm = Field(DFN('dim',3,'n',10000,'dir',100,'ddir',10,'minl',0.02,...
'mu',0.05,'maxl',0.15,'bbx',[0,0,0,1,1,1],'dip',45,'ddip',10),'Poly');
Draw('ply',fnm);
Export(gcf,'dfn_3d_large_adfne1.5.png');
case 6
% 3D DFN model, other way
set1 = CData.Array(Rotate(Scale(Poly.Back,'ply',0.3),'y',0,'mov',...
[0,0,0]),Scale(rand(30,3),0.1,0.9));
set2 = CData.Array(Rotate(Scale(Poly.Left,'ply',0.3),'y',45,'mov',...
[0,0,0]),Scale(rand(30,3),0.1,0.9));
fnm = [set1;set2];
% combined
clf; Draw('ply',fnm,'axes',false);
Axes;
Titles2D('=[','Modèle de Dershowitz large')
Export(gcf,'Dershowitz_large.png');
case 7
% misc:clusters
fnm = Field(DFN('dim',3,'n',200,'dir',180,'ddir',-1e-7,'minl',0.05,...
'mu',0.15,'maxl',0.5,'bbx',[0,0,0,1,1,1],'dip',45,'ddip',-1e-
7),'Poly');
[~,ids,La] = Intersect(fnm);
Ra = Relabel(La);
colors = Convert('color',1:max(Ra));
for i = 1:max(Ra)
Draw('ply',fnm(Ra == i),'axes',false,'fc',colors(i,:));
% colorized based on cluster size
end
Axes;
end
end
%Modélisation 3D d’un réseau de fractures
BALAH Yahia
Annexes
function varargout = guiFracPaQ2D(varargin)

%% Copyright
% Permission is hereby granted, free of charge, to any person obtaining a
% copy of this software and associated documentation files (the
% "Software"), to deal in the Software without restriction, including
% without limitation the rights to use, copy, modify, merge, publish,
% distribute, sublicense, and/or sell copies of the Software, and to permit
% persons to whom the Software is furnished to do so, subject to the
% following conditions:
%
% The above copyright notice and this permission notice shall be included
% in all copies or substantial portions of the Software.
%
% THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS
% OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF
% MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN
% NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM,
% DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR
% OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE
% USE OR OTHER DEALINGS IN THE SOFTWARE.
% Edit the above text to modify the response to help guiFracPaQ2D
% Last Modified by GUIDE v2.5 24-Oct-2019 14:04:22
% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;
gui_State = struct('gui_Name', mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @guiFracPaQ2D_OpeningFcn, ...
'gui_OutputFcn', @guiFracPaQ2D_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback', []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
BALAH Yahia

BALAH Yahia-GMin-ING-2020 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

BALAH Yahia-GMin-ING-2020 PDF

Transféré par

Droits d'auteur :

Formats disponibles

‫الجمهورية الجزائرية الديمقراطية الشعبية‬

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

Département Génie Minier

Mémoire de Fin d’Etudes

Modélisation stochastique d’un réseau de

Présenté par : Yahia BALAH Encadré par : Dr. Hamza CHENITI

J e tiens à remercie en premier lieu Allah (‫ )للاه‬le Clément, le Miséricordieux et le

Je voudrais adresser toute ma gratitude, reconnaissance et mes grandes salutations à

A ce titre, je remercie toute la famille enseignante et administrative pour leurs

Je profite l’occasion et je remercier le directeur de l’’Ecole Nationale Supérieure des

mes chères sœurs, Khadidja et Zineb pour leurs encouragements

Que ce travail soit l’accomplissement de vos vœux tant allégués, et le fuit de

Merci d’être toujours là pour moi.

A l’aide de logiciel MATLAB, on a essayé d’avoir un modèle plus proche de la réalité

In order to ensure an efficient performance of an exploitation area (mine or quarry) in

‫استغاللهالمناجمهأوهالتعدينهفنهموجو هدهمن هذهالعصورهالقديمةهويشملهاستخراجهالموا هدهمفيدةه(معدنيةه‬

Listes des figures……………………………………………………………...……………10

Introduction générale : .......................................................................................................... 14

I. Etude bibliographique : ..................................................................................................... 18

I.1. Introduction : .................................................................................................................. 18

I.2. Définitions des termes : .................................................................................................. 19

I.3. Le comportement mécanique d’un massif rocheux : ..................................................... 21

I.4. Les méthodes utilisées pour déterminer les fractures : .................................................. 30

I.5. La modélisation d’un réseau de fractures discret (DFN) en 2D et 3D : ......................... 32

I.6. Conclusion :.................................................................................................................... 35

II. Matériels et méthodes : ..................................................................................................... 37

II.1. Introduction : ................................................................................................................. 37

II.2. Outils de simulation : .................................................................................................... 38

II.2.1. MATLAB : ............................................................................................................. 38

II.2.2 PYTHON : ............................................................................................................... 40

II.3. Méthodes : ..................................................................................................................... 43

II.3.1. Approches stochastiques : ...................................................................................... 43

II.3.2. Modélisation : ......................................................................................................... 44

II.3.3. Méthode de Monte Carlo :...................................................................................... 45

II.3.4. Méthodologie de travail et étapes de modélisation : .............................................. 47

II.3.5. Exemples de modélisations : .................................................................................. 53

II.4. Conclusion : .................................................................................................................. 57

III. Modélisation stochastique des fractures par MATLAB .............................................. 59

III.1. Introduction : ............................................................................................................... 59

III.2. Applications de la modélisation stochastique en 2D : ................................................. 60

III.2.2. Modélisation d’un réseau de fractures en conditionnant l’orientation :................ 61

III.3. Applications de la modélisation stochastique en 3D : ................................................. 65

III.3.1. Le passage du modèle 2D au 3D :......................................................................... 65

III.4. Conclusion : ................................................................................................................. 70

IV.1. Introduction : ............................................................................................................... 72

IV.2. Estimation de la résistance pour un réseau de fractures en 2D : ................................. 73

IV.3. Conclusion : ................................................................................................................. 80

Conclusion générale : ............................................................................................................. 82

Figure.I.2 : Mesures de l’orientation du plan de discontinuité, différents types de repérage

(Panet et al. [1976])…………………………………………………………………………..23

Figure.I.3 : Modèles géométriques des discontinuités………………………………………25

Figure.I.4 : Principales phases du comportement d’une roche au cours d’un essai de

Figure.I.5 : Critère de résistance de Mohr-Coulomb représenté dans le plan (τ,σ)…………27

Figure.I.6 : Critère de résistance Mohr-Coulomb représenté dans l’espace des contraintes

Figure.I.7 : Potentiel plastique du critère de rupture de Mohr-Coulomb……………………29

Figure.I.8 : Modélisation bidimensionnelle d’un réseau de fractures discret

Figure.I.9 : Propositions de modélisation des fractures dans la littérature………………….34

Figure.II.1 : L’icône de logiciel MATLAB…………………………………………………38

Figure.II.2 : L’icône de logiciel PYTHON..………………………………………………...40

Figure.II.3 : L’interface de travail du logiciel MATLAB…………………………………...42

Figure.II.4 : L’interface de l’environnement de travail du logiciel PAYTHON…………….42

Figure.II.5 : Les fonctions de distribution couramment utilisées dans la modélisation des

Figure.II.9 : Réalisations de points en trois dimensions à l'aide du processus de Poisson…53