Controls on Mass and Thermal Loading to an Oil Sands End Pit Lake from Underlying Fluid Fine Tailings
Notice bibliographique
Résumé
End pit lakes (EPLs) are a relatively new strategy proposed for reclaiming oil sands surface mines. An EPL is formed within a depleted mine pit, with fluid fine tailings (FFT) stored below a water cover. Fluid fine tailings are a by-product of the oil sands bitumen extraction process with high water contents, low bearing capacities, and elevated concentrations of various constituents. This thesis considers mass and heat transfer between the FFT and overlying water cover at the first EPL, Base Mine Lake (BML). The study objectives were: (1) characterize the FFT thermal properties and the thermal regime in BML; (2) assess FFT settlement rates and characteristics; and (3) evaluate a range of potential mechanisms for mass and heat movement, including diffusion or conduction, and mixing of the FFT due to unstable density profiles or fluid movement within the water cover. These objectives were achieved through a combination of field investigations, laboratory testing, and numerical modelling, and the results were published in three manuscripts comprising the main body of the thesis. Overall, FFT is the largest (Cl) mass source to the BML water cover. The dominant transport mechanism was advective mass transport or convective heat transport due to tailings settlement; however, tailings disturbance near the FFT-water interface may also contribute to mass release. The predicted pore water fluxes based on the advective or convective regimes were similar to previously estimated FFT settlement rates and decreased throughout the studied period from approximately 1.46 m/a in 2013 to 2014, to 0.73 m/a in 2014 to 2015. Declining advection rates indicate that diffusive mass transport and conductive heat transfer will likely become more significant in the future. The results also confirmed that EPL design should consider the size of the water cover, volume and characteristics of the FFT, and operational controls, as these factors will likely influence EPL success as a sustainable reclamation landscape.
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 | 0,000 | 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) | 0,001 | 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 ».