Published April 28, 2022 | Version v1
Publication Open

Modeling Solubility of Anhydrite and Gypsum in Aqueous Solutions: Implications for Swelling of Clay-Sulfate Rocks

Creators

  • 1. TU Bergakademie Freiberg
  • 2. Taiyuan University of Technology
  • 3. Sonatrach (Algeria)
  • 4. China University of Mining and Technology

Description

Abstract The swelling of clay-sulfate rocks is a well-known phenomenon often causing threats to the success of various geotechnical projects, including tunneling, road and bridge construction, and geothermal drilling. The origin of clay-sulfate swelling is usually explained by physical swelling due to clay expansion combined with chemical swelling associated with the transformation of anhydrite (CaSO 4 ) into gypsum (CaSO 4 ∙2H 2 O). The latter occurs through anhydrite dissolution and subsequent gypsum precipitation. Numerical models that simulate rock swelling must consider hydraulic, mechanical, and chemical processes. The simulation of the chemical processes is performed by solving thermodynamic equations, which usually contribute a significant portion of the overall computation time. This paper employs feed-forward neural network (FFNN) and cascade-forward neural network (CFNN) models trained with a Bayesian regularization (BR) algorithm as an alternative approach to determine the solubility of anhydrite and gypsum in the aqueous phase. The network models are developed using calcium sulfate experimental data collected from the literature. Our results indicate that the FFNN-BR is the most accurate model for the regression task. The comparison analysis with the Pitzer ion interaction model as well as previously published data-driven models shows that the FFNN-BR model is highly accurate in determining the solubility of sulfate minerals in acid and salt-containing solutions. We conclude from our results that the FFNN-BR model can be used to determine the solubility of anhydrite and gypsum needed to address typical subsurface engineering problems such as swelling of clay-sulfate rocks.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

يعد تورم صخور كبريتات الطين ظاهرة معروفة غالبًا ما تسبب تهديدات لنجاح المشاريع الجيوتقنية المختلفة، بما في ذلك حفر الأنفاق وبناء الطرق والجسور والحفر الحراري الأرضي. عادة ما يتم تفسير أصل تورم كبريتات الطين بالتورم الفيزيائي بسبب تمدد الطين جنبًا إلى جنب مع التورم الكيميائي المرتبط بتحويل الأنهيدريت (CaSO 4 ) إلى جبس (CaSO 4 ∙2H 2 O). يحدث هذا الأخير من خلال إذابة الأنهيدريت وترسيب الجبس اللاحق. يجب أن تأخذ النماذج العددية التي تحاكي تورم الصخور في الاعتبار العمليات الهيدروليكية والميكانيكية والكيميائية. يتم إجراء محاكاة العمليات الكيميائية عن طريق حل المعادلات الديناميكية الحرارية، والتي تساهم عادة بجزء كبير من وقت الحساب الإجمالي. تستخدم هذه الورقة نماذج الشبكة العصبية الأمامية (FFNN) والشبكة العصبية المتتالية (CFNN) المدربة باستخدام خوارزمية التنظيم البايزي (BR) كنهج بديل لتحديد قابلية ذوبان الأنهيدريت والجبس في المرحلة المائية. يتم تطوير نماذج الشبكة باستخدام البيانات التجريبية لكبريتات الكالسيوم التي تم جمعها من الأدبيات. تشير نتائجنا إلى أن FFNN - BR هو النموذج الأكثر دقة لمهمة الانحدار. يُظهر تحليل المقارنة مع نموذج تفاعل أيونات بيتزر وكذلك النماذج المعتمدة على البيانات المنشورة سابقًا أن نموذج FFNN - BR دقيق للغاية في تحديد قابلية ذوبان معادن الكبريتات في المحاليل التي تحتوي على الأحماض والملح. نستنتج من نتائجنا أنه يمكن استخدام نموذج FFNN - BR لتحديد قابلية ذوبان الأنهيدريت والجبس اللازمة لمعالجة مشاكل الهندسة تحت السطحية النموذجية مثل تورم صخور كبريتات الطين.

Translated Description (French)

Résumé Le gonflement des roches de sulfate d'argile est un phénomène bien connu qui menace souvent le succès de divers projets géotechniques, notamment le creusement de tunnels, la construction de routes et de ponts et le forage géothermique. L'origine du gonflement du sulfate d'argile s'explique généralement par un gonflement physique dû à la dilatation de l'argile combinée à un gonflement chimique associé à la transformation de l'anhydrite (CaSO 4 ) en gypse (CaSO 4 ∙2H 2 O). Ce dernier se produit par dissolution de l'anhydrite et précipitation ultérieure du gypse. Les modèles numériques qui simulent le gonflement des roches doivent tenir compte des processus hydrauliques, mécaniques et chimiques. La simulation des processus chimiques est effectuée en résolvant des équations thermodynamiques, qui contribuent généralement à une partie importante du temps de calcul global. Cet article utilise des modèles de réseau neuronal feed-forward (FFNN) et de réseau neuronal cascade-forward (CFNN) formés avec un algorithme de régularisation bayésienne (BR) comme approche alternative pour déterminer la solubilité de l'anhydrite et du gypse dans la phase aqueuse. Les modèles de réseau sont développés à l'aide de données expérimentales sur le sulfate de calcium recueillies dans la littérature. Nos résultats indiquent que le FFNN-BR est le modèle le plus précis pour la tâche de régression. L'analyse comparative avec le modèle d'interaction ionique de Pitzer ainsi qu'avec des modèles basés sur des données précédemment publiés montre que le modèle FFNN-BR est très précis pour déterminer la solubilité des minéraux sulfatés dans les solutions acides et salines. Nous concluons de nos résultats que le modèle FFNN-BR peut être utilisé pour déterminer la solubilité de l'anhydrite et du gypse nécessaire pour résoudre les problèmes d'ingénierie souterraine typiques tels que le gonflement des roches de sulfate d'argile.

Translated Description (Spanish)

Resumen El hinchamiento de las rocas de sulfato de arcilla es un fenómeno bien conocido que a menudo causa amenazas al éxito de varios proyectos geotécnicos, incluyendo la construcción de túneles, carreteras y puentes, y la perforación geotérmica. El origen de la hinchazón de arcilla-sulfato generalmente se explica por la hinchazón física debido a la expansión de la arcilla combinada con la hinchazón química asociada con la transformación de anhidrita (CaSO 4 ) en yeso (CaSO 4 ∙2H 2 O). Esto último ocurre a través de la disolución de la anhidrita y la posterior precipitación del yeso. Los modelos numéricos que simulan el hinchamiento de la roca deben considerar procesos hidráulicos, mecánicos y químicos. La simulación de los procesos químicos se realiza resolviendo ecuaciones termodinámicas, que suelen aportar una parte importante del tiempo total de cálculo. Este documento emplea modelos de red neuronal de alimentación directa (FFNN) y red neuronal de cascada directa (CFNN) entrenados con un algoritmo de regularización bayesiana (BR) como un enfoque alternativo para determinar la solubilidad de la anhidrita y el yeso en la fase acuosa. Los modelos de red se desarrollan utilizando datos experimentales de sulfato de calcio recopilados de la literatura. Nuestros resultados indican que el FFNN-BR es el modelo más preciso para la tarea de regresión. El análisis de comparación con el modelo de interacción iónica de Pitzer, así como con los modelos basados en datos publicados anteriormente, muestra que el modelo FFNN-BR es altamente preciso para determinar la solubilidad de los minerales de sulfato en soluciones que contienen ácidos y sales. A partir de nuestros resultados, concluimos que el modelo FFNN-BR se puede utilizar para determinar la solubilidad de la anhidrita y el yeso necesarios para abordar problemas típicos de ingeniería del subsuelo, como el hinchamiento de las rocas de sulfato de arcilla.

Files

s00603-022-02872-1.pdf.pdf

Files (3.3 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:f3db2a9976c5fe7ea23894350fa1a6da
3.3 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
نمذجة قابلية ذوبان الأنهيدريت والجبس في المحاليل المائية: الآثار المترتبة على تورم صخور الطين والكبريتات
Translated title (French)
Modélisation de la solubilité de l'anhydrite et du gypse dans des solutions aqueuses : implications pour le gonflement des roches de sulfate d'argile
Translated title (Spanish)
Modelado de la solubilidad de la anhidrita y el yeso en soluciones acuosas: implicaciones para el hinchamiento de las rocas de sulfato de arcilla

Identifiers

Other
https://openalex.org/W4225011159
DOI
10.1007/s00603-022-02872-1

Is supplement to
https://openalex.org/W4319773742 (Other)
https://openalex.org/W3155984419 (Other)
https://openalex.org/W3129520083 (Other)
https://openalex.org/W2749878799 (Other)
https://openalex.org/W2165419249 (Other)
https://openalex.org/W2106947020 (Other)
https://openalex.org/W2095747675 (Other)
https://openalex.org/W2050776322 (Other)
https://openalex.org/W2012167993 (Other)
https://openalex.org/W1965447715 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Algeria

References

  • https://openalex.org/W1889890186
  • https://openalex.org/W1987205136
  • https://openalex.org/W1987596929
  • https://openalex.org/W1988261722
  • https://openalex.org/W1997185520
  • https://openalex.org/W1998879124
  • https://openalex.org/W1999273513
  • https://openalex.org/W2002352341
  • https://openalex.org/W2007691398
  • https://openalex.org/W2015736916
  • https://openalex.org/W2021219441
  • https://openalex.org/W2025856573
  • https://openalex.org/W2028501442
  • https://openalex.org/W2030720814
  • https://openalex.org/W2035695555
  • https://openalex.org/W2040693805
  • https://openalex.org/W2041672759
  • https://openalex.org/W2046567248
  • https://openalex.org/W2052036374
  • https://openalex.org/W2052804549
  • https://openalex.org/W2059612540
  • https://openalex.org/W2062112611
  • https://openalex.org/W2067640311
  • https://openalex.org/W2068217954
  • https://openalex.org/W2073515924
  • https://openalex.org/W2074069434
  • https://openalex.org/W2083612741
  • https://openalex.org/W2084543265
  • https://openalex.org/W2085254005
  • https://openalex.org/W2088788855
  • https://openalex.org/W2091250350
  • https://openalex.org/W2091868457
  • https://openalex.org/W2107093743
  • https://openalex.org/W2111051539
  • https://openalex.org/W2123721997
  • https://openalex.org/W2126786551
  • https://openalex.org/W2159560648
  • https://openalex.org/W2333238777
  • https://openalex.org/W2487081064
  • https://openalex.org/W2536090897
  • https://openalex.org/W2557802050
  • https://openalex.org/W2597328455
  • https://openalex.org/W2747096056
  • https://openalex.org/W2789781801
  • https://openalex.org/W2895602857
  • https://openalex.org/W2916117993
  • https://openalex.org/W2951465459
  • https://openalex.org/W2969133323
  • https://openalex.org/W2993208053
  • https://openalex.org/W3011265613
  • https://openalex.org/W3023610708
  • https://openalex.org/W3124861899
  • https://openalex.org/W3137107635
  • https://openalex.org/W3160605717
  • https://openalex.org/W3172257183
  • https://openalex.org/W4205969261
  • https://openalex.org/W4254418727