Evaluation of the adjusted rockburst damage potential method for dynamic ground support selection in extreme rockburst conditions
Notice bibliographique
Résumé
As modern underground mining progresses deeper, the elevated stress condition often translates to a greater seismic and rockburst hazard. The sudden and often violent failure of rock associated with rockbursts poses a significant threat to the safety and profitability of the operation. There is a wide range of practices and strategies for managing seismic and rockburst risks which are currently accepted and implemented in the mining industry. The rockburst damage risk, however, is currently managed, amongst other techniques, with the implementation of dynamically resistant support systems. The current engineering design of dynamic support systems for rockburst prone excavation is plagued with uncertainties and unknowns (Potvin & Wesseloo 2013b). Because of the complex nature of rockburst damage, an empirical approach of dynamic support selection is often preferred over a theoretical approach. The adjusted rockburst damage potential (RDP) method, re‐interpreted by Duan (2015) and based on the original RDP developed by Heal et al. (2006) and Heal (2010), is an empirical approach of dynamic support selection that utilises five rockburst damage contributing factors. In this paper, the adjusted empirical method was applied to two historic rockburst cases to assess its performance under extreme rockburst conditions. The study’s results, key findings and recommendations are presented in this paper.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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) | 0,000 | 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 tête enseignante, 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 ».