MétaCan
Menu
Retour à la cohorte
Enregistrement W2623046060 · doi:10.36487/acg_rep/1410_45_bewick

Shear rupture – two case studies from a deep mine

2014· article· en· W2623046060 sur OpenAlexaff
Rob Bewick, Peter K. Kaiser, W.F. Bawden

Notice bibliographique

RevueDeep mining · 2014
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensLaurentian UniversityWomen's and Gender Studies et Recherches FéministesGolder Associates (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeologyMicroseismShear (geology)BrittlenessSlip (aerodynamics)Fault (geology)SeismologyRock mass classificationShear stressStress fieldGeotechnical engineeringMechanicsStructural engineeringPetrologyEngineeringMaterials scienceFinite element methodComposite material

Résumé

récupéré en direct d'OpenAlex

When a fault-slip event mechanism is determined, it is easy to assume that there must be a fault present to generate the event. A pre-existing fault is not needed to create a fault-slip event. Fault rupture (the failure process in brittle rocks which occurs under confined conditions) also generates a fault-slip focal mechanism. Fault ruptures will commonly occur far from mining, in abutments, wide pillars, and sills. First the rupture process is overviewed. Then two mining fault rupture case examples are summarised to show the fault rupture process, final rupture geometry, and energy release potential observed in the field conform to theoretical understanding. In this article it is shown that the fault rupture process and energy release depends on the boundary condition (system stiffness) surrounding the failure process. While seemingly theoretical, the findings have practical significance with respect to rock mass characterisation, microseismic monitoring, rock mass behaviour back analysis, and mining strategy.

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: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0040,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,251
Écart entre enseignants0,231 · 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'étudeÉtude de cas
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

Citations3
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDeep miningMême sujetRock Mechanics and ModelingTravaux en français237 207