MétaCan
Menu
Retour à la cohorte
Enregistrement W2685652893 · doi:10.1016/j.proeng.2017.05.229

Rock Engineering Design in Frozen and Thawing Rock: Current Approaches and Future Directions

2017· article· en· W2685652893 sur OpenAlexafffund
Greg F. Gambino, J. P. Harrison

Notice bibliographique

RevueProcedia Engineering · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésRock mass classificationClassification of discontinuitiesContext (archaeology)Geotechnical engineeringGeologyCurrent (fluid)Mining engineeringLead (geology)Work (physics)Civil engineeringEngineeringMechanical engineeringGeomorphology

Résumé

récupéré en direct d'OpenAlex

The purpose of this review is to present the state-of-the-art methods, problems and potential future design techniques used for rock engineering in frozen ground, with particular regard to the design of mine openings in rock masses that may be subject to thawing. The impetus for this work is the recognition that civil and mining infrastructure is extending into such frozen material, and the design procedures currently available may not be optimal. Additionally, civilian infrastructure in frozen ground in alpine regions (e.g. central Europe) is also becoming subject to thawing conditions. In any such scenario, increased heat exchange with an exposed rock mass surface will cause thawing to occur. In general, a rock mass is stronger in frozen conditions than in dry conditions (i.e. without ice or water), but a rock mass will be least strong at the time ice-filled discontinuities are thawing, resulting in a significant shear strength reduction. In this review, we will discuss the various existing design methods in the context of the phenomena involved in the formation of frozen rock and the behaviour of thawing rock. We will show the deficiencies of these methods and highlight potential developments that will lead to future robust design protocols.

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)0,004
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,055
Tête enseignante GPT0,220
Écart entre enseignants0,165 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProcedia EngineeringMême sujetClimate change and permafrostTravaux en français237 207