Notice bibliographique
Résumé
Water is vital to the mining industry; mines can require substantial amounts of water and are often located in some of the driest places on earth. Reducing water withdrawals and improving mine water use are key strategic requirements for moving toward a more sustainable mining industry. Mine water requirements often have significant technical, economic, environmental and political implications. This thesis quantifies global mine water withdrawals and discusses methods of improving mine water use by reducing water withdrawals and water-related energy consumption. The thesis is composed of four main sections. First, two methods are proposed to calculate global mining water withdrawals by commodity. One method is based on the amount of water required to process a tonne of ore and the other is based on the amount of water required to produce a tonne of concentrate. A large database was created, compiling data regarding ore production, commodity production, commodity prices, and mine water withdrawals between 2006 and 2009. The study estimates that global water withdrawals range from 6 to 8 billion m3 per annum. Second, the thesis presents a case study on the challenges faced and lessons learned during the design, start-up and modification of the water systems of a large copper mine site. Third, the thesis identifies multiple mine water reduction, reuse and recycle strategies that have been implemented around the world. A model is developed and used to show the potential impact of these strategies. The results of the modelling show how a hypothetical mine could reduce water withdrawals from 0.76 m³/t to 0.20 m³/t of ore processed or lower. In particular, the combination of ore pre-concentration and filtered tailings disposal reduced water consumption by over 74% of the base case. Finally, this thesis describes and demonstrates a method of determining the lowest energy option for a mine water network. The method uses a linear programming algorithm to compare options for matching water sources with consumers at mine sites. An example illustrates the method and shows how mine water system energy requirements can be reduced by over 50%.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».