Estimation of rockburst wall-rock velocity invoked by slab flexure sources in deep tunnels
Notice bibliographique
Résumé
For rock support in burst-prone ground, the wall-rock velocity adjacent to the surface of underground openings is a vital support design parameter, and depends on the seismic source mechanism inducing rockburst damage. In this study, to estimate the wall-rock velocity evoked only by rock slab buckling (an important rockburst source mechanism), a comprehensive velocity assessment method is proposed, using an excellent slab column buckling model with a small eccentricity, which relies on a novel compressive or tensile buckling failure criterion of rock slab. The true-triaxial loading–unloading tests and rockburst case analyses reveal that rock mass slabbing induced by high rock stress has major impacts on the evolution and formation of buckling rockburst in deep tunnels. Using a method based on the energy balance principle, the slabbing thickness of intact rock mass is also calculated by an analytical method, which indicates that the slabbing thickness parameter has a nonlinear relation to the following six parameters: uniaxial tensile strength (UTS), uniaxial compressive strength (UCS), normal stress (σ n ), length of joint (L), friction angle ([Formula: see text]), and joint roughness coefficient (JRC). These proposed models and methods have been quite successfully applied to rockburst and slabbing cases occurring in deep tunnels. These applications show that slab flexure is an important source mechanism invoking high wall-rock velocities and leading to severe rockburst damages in the area surrounding deep tunnels.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».