在泥石中绘制粘土矩阵的复合性质:通过高吞吐量纳米沉积和数据分析进行集成微力学分析
Xiangyun Shi1, David Misch1, Stanislav Zak2
1Chair of Energy Geosciences, Department of Applied Geosciences and Geophysics, Montanuniversität Leoben, Peter-Tunner-Straße 5, 8700 Leoben, Austria.
Geomechanics and geophysics for geo-energy and geo-resources
|August 16, 2024
概括
这项研究使用纳米沉积映射和机器学习来分析泥石的微机械性质. 它成功地将粘土矩阵与其他组件区分开来,为障碍岩石应用提供关键的机械数据.
科学领域:
- 地力学和材料科学 地力学和材料科学
- 沉积岩的特征 沉积岩的特征
背景情况:
- 泥石和页岩是地质能源应用中的关键障碍岩石.
- 由于细粒度和样品损坏,微观机械表征具有挑战性.
- 了解微机械性质对于预测岩石的行为至关重要.
研究的目的:
- 为了研究泥石中的粘土基质复合物的微机械特性.
- 结合高速纳米沉积映射与机器学习进行详细分析.
- 为了克服微观细粒度沉积岩的特征化方面的挑战.
主要方法:
- 高速的纳米沉积映射,以捕捉机械异质性.
- 机器学习 (k-means集群) 用于分类不同的微观结构组件.
- 使用宽离子束扫描电子显微镜 (BIB-SEM) 和统计方法 (盒子计数,引导) 的验证.
主要成果:
- 成功区分了粘土基质,易碎的矿物质,粒度边界和裂.
- 粘土矩阵的平均降低弹性模量 (E) 和硬度 (H) 确定为: 16.2 ± 6.2 GPa 和 0.5 ± 0.5 GPa.
- 鉴定出对槽深度和尖端几何形状的敏感性有限,但在较低的负载速度下稳定性降低.
结论:
- 高速的纳米缩水映射和机器学习对于泥石的微机械表征是有效的.
- 一个小的数据集 (n=60) 可以实现粘土矩阵属性的代表性.
- 这种方法可以为地质能源应用提供细粒度沉积岩的高效分析.
