A design approach for selecting the optimum water cover depth for subaqueous disposal of sulfide mine tailings
Notice bibliographique
Résumé
The use of shallow water covers to flood reactive mine tailings is one of the most effective and common methods of managing sulfide-rich reactive mine tailings in temperate climates. One of the aspects critical to the success of subaqueous tailings disposal is the water depth required in the pond to maintain desirable water quality. Wind waves and associated pressure-driven currents could resuspend the tailings, which might result in increased oxidation and compromise the quality of the water cover. Although existing methodologies for water cover design are based on eliminating tailings resuspension, sediment-trap data from several sites in Canada still indicate resuspension in most of the ponds. In the present paper, a design methodology is proposed for optimizing the water cover depth, allowing sediment resuspension within regulatory limits. The method uses linear wave theory and countercurrent flow profiles to obtain the total bottom shear stress, which is then compared with the critical shear stress of the tailings to predict the onset of erosion and resuspension and to compute the resulting mass of suspended tailings. Application of the methodology to a tailings pond in British Columbia, Canada, indicates that although a maximum water cover depth of 2.5 m is necessary to eliminate tailings resuspension, a maximum depth of 1.5 m could still be used, as the resulting concentration of suspended tailings remains within the regulatory limit. The methodology also provides an estimate of the impact of resuspension-induced oxidation on the quality of the water cover above the tailings, such as sulfate production.Key words: mine tailings, water cover, wind waves, countercurrent flows, shear stress, resuspension.
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 | 0,001 | 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 | 0,000 |
| 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 ».