MétaCan
Menu
Retour à la cohorte
Enregistrement W2188047833 · doi:10.14288/1.0042230

The appropriate geochemical monitoring of toe seepage from a mine-rock dump

2009· article· en· W2188047833 sur OpenAlexaboutno aff
Kevin A. Morin, Ian A. Horne, David Flather

Notice bibliographique

RevuecIRcle (University of British Columbia) · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMine drainage and remediation techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSampling (signal processing)GroundwaterGeologyMining engineeringHydrology (agriculture)Geotechnical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Water passing through mine-rock dumps either enters the underlying groundwater system or exits at the toe. For the case of toe seepage, the water is often collected in ditches and diverted out of the area. In light of the variability in flow and chemistry expected in toe seepage, questions arise as to the appropriate monitoring program including, for example, the importance of variable sampling frequency. Alternatively, for many mines in British Columbia, the more important question is "Are we missing anything important by sampling on a routine basis such as monthly?". Rather than answering the question based on theory, this paper answers with actual data from a minesite in British Columbia. At the Island Copper Minesite on Vancouver Island, British Columbia, an ambitious monitoring program of toe seepage took place over a six-month period. Eight stations were monitored basically either (1) once daily for flow and chemistry or (2) hourly for flow and every four hours for chemistry. Based on statistical analyses of data from selected stations, answers are provided for important technical questions, such as monitoring frequency, and for regulatory questions, such as permit limits. In essence, water chemistry can be viewed like hydrology where, for example, yearly concentrations of a 1-hour duration can be determined. This concept is expanded further in an accompanying paper at this symposium using standard monitoring data.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,976
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,171
Écart entre enseignants0,165 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuecIRcle (University of British Columbia)Même sujetMine drainage and remediation techniquesTravaux en français237 207