MétaCan
Menu
Retour à la cohorte
Enregistrement W2463694888 · doi:10.1080/14749009.2016.1199296

Discrete fracture network based drift stability at the Éléonore mine

2016· article· en· W2463694888 sur OpenAlexaffabout
Martin Grenon, Alex Landry, John Hadjigeorgiou, Pierre Luc Lajoie

Notice bibliographique

RevueMining Technology Transactions of the Institutions of Mining and Metallurgy Section A · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensUniversity of TorontoUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésStability (learning theory)Parametric statisticsFracture (geology)Sensitivity (control systems)GeologyRock mass classificationExcavationSeries (stratigraphy)PhotogrammetryParametric modelGeotechnical engineeringMining engineeringComputer scienceEngineeringStatisticsMathematicsRemote sensingMachine learning

Résumé

récupéré en direct d'OpenAlex

Photogrammetry tools were used to characterise the rock mass structural regime at selected mining drifts at the Éléonore underground mine in Canada. This information was used to provide the input data for generating a series of discrete fracture networks (DFN) models. The generated DFN models were subsequently used to investigate the creation of rock wedges along the drifts that may impact the stability of the excavations. The impact of the choice of employed DFN model on the analysis was investigated with reference to the stability of excavations. A series of parametric analyses demonstrated the sensitivity of the model to variations in the properties of the structural regime. The benefits of using stochastic modelling to capture the inherent variability are reviewed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,418

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,216
Écart entre enseignants0,200 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations10
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMining Technology Transactions of the Institutions of Mining and Metallurgy Section AMême sujetRock Mechanics and ModelingTravaux en français237 207