MétaCan
Menu
Retour à la cohorte
Enregistrement W2470193849

Application of Discrete Fracture Networks (DFN) In the Stability Analysis of Delabole Slate Quarry, Cornwall, UK

2016· article· en· W2470193849 sur OpenAlexaff
Mohsen Havaej, Doug Stead, John Coggan, D. Emo

Notice bibliographique

RevueOpen Research Exeter (University of Exeter) · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésGeologyFracture (geology)Stability (learning theory)Computer scienceGeotechnical engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The failure mechanism of rock slopes is mainly controlled by the strength and orientation of discontinuities within the rock mass. A realistic representation of the joint network within the rock mass is therefore an essential component of stability analysis of rock structures (e.g. rock slopes, tunnels etc.). Discontinuity persistence and connectivity are significant parameters which control the stability of rock slopes. A small percentage of rock bridges on the discontinuity surface can significantly increase its strength and prevent slope failure. Discontinuities within the rock mass are rarely fully connected. In practice, however, discontinuities are often assumed fully persistent due to the difficulties both in mapping and simulation of non-persistence. Discrete fracture networks (DFN) provide a rigorous and convenient tool for the simulation of joint systems within a rock mass. Utilizing statistical methods, DFNs consider the stochastic nature of some key parameters (e.g. persistence and orientation) within numerical models. Discrete fracture network engineering is increasingly used due to recent developments in discontinuity data acquisition techniques (e.g. ground-based digital photogrammetry and laser scanning). Recent development in geomechanical modelling codes and increased computing power have also allowed to either import DFN’s into models or to generate DFN’s within the numerical modelling code itself (e.g. 3DEC). This paper describes the use of photogrammetry at the Delabole slate quarry in Cornwall, UK for remotely acquiring key discontinuity parameter data (orientation, intensity and length) and its subsequent use in developing statistically validated discrete fracture network parameters. The 3D distinct element code, 3DEC, is used for the DFN generation and subsequent stability analysis. Several realizations of the 3DEC-DFN models are run to investigate the stochastic nature of discontinuities within the quarry and their potential influence on the stability of the pit. Finally the simulation results are used to determine the slope instability mechanisms and determine the most likely areas of potential instability.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,088
Score d'incertitude au seuil0,174

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,043
Tête enseignante GPT0,291
Écart entre enseignants0,248 · 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'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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Research Exeter (University of Exeter)Même sujetRock Mechanics and ModelingTravaux en français237 207