Prediction of grout penetration in fractured rocks by numerical simulation
Notice bibliographique
Résumé
As fractures in rock significantly reduce the strength as well as the stiffness of the rock mass, grouting may be required to improve the performance of the rock mass in engineering or mining projects. During grouting, mortar of cement or other materials is injected into the rock mass so that the fractures can be filled up and the rock mass can act as an integral unit. Unlike water, grouts are usually viscous and behave as non-Newtonian fluids. Therefore, the equations describing the flow of grout are more complicated and the solutions are quite difficult to obtain. The problem is further aggravated by the fact that the fractures are mostly randomly distributed, and it is rarely possible to accurately define the fractures and the distribution patterns. In this paper, a numerical model is proposed for analyzing the grouting process. The model is based on the stochastic approach, and it can provide the depth of penetration and the fluid pressure due to the flow of grout, which is modeled as a Bingham fluid, in the fractured rock mass. Parametric studies have been carried out to investigate the effects of various factors on the depth of penetration, and a regression formula is developed for calculating the penetration depth. Experiments have been carried out and their results are used to validate the present method.Key words: stochastic fractures, fractured rock mass, grout flow, grout penetration.
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 ».