MétaCan
Menu
Retour à la cohorte
Enregistrement W2649696324 · doi:10.4018/978-1-5225-2575-2.ch002

Reliable Communication Network for Emergency Response and Disaster Management in Underground Mines

2017· book-chapter· en· W2649696324 sur OpenAlexaffabout
S. M. Kamruzzaman, Xavier Fernando, Muhammad Jaseemuddin, Wisam Farjow

Notice bibliographique

RevueAdvances in public policy and administration (APPA) book series · 2017
Typebook-chapter
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésEmergency managementEngineeringCommunications systemMine safetyComputer securityEmergency responseTelecommunications networkConstruction engineeringRisk analysis (engineering)Computer scienceTelecommunicationsBusinessCoal miningWaste managementMedical emergency

Résumé

récupéré en direct d'OpenAlex

Emergency response and disaster management in underground mines are very challenging due to the hostile nature. Environment monitoring in mines has been an obligatory requirement to ensure safe working conditions for miners. Reliable communication network is essential to quickly detect the underground condition especially in emergency situation and to conduct proper rescue operations. This chapter presents an overview of reliable communication network needed for emergency response and disaster management in underground mines. The chapter begins by introducing the most common accidents occurring in the mining, underground mine environment and channel properties. Subsequently, communications in underground mines, existing underground communication and tracking systems, and disaster forecasting & mine safety management are discussed. The chapter also covers post-disaster mine communications & tracking systems and optimized backbone networks for underground mines. Finally, the chapter concludes by reporting relevant research at Ryerson Communications Lab and pointing out some open issues and possible research directions.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,855
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,004
Science ouverte0,0010,000
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 Opus0,022
Tête enseignante GPT0,295
Écart entre enseignants0,272 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in public policy and administration (APPA) book seriesMême sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207