Notice bibliographique
Résumé
Tailings storage facilities (TSFs) and conventional water retaining dams are the largest manmade structures on Earth. Statistics show that TSFs are more likely to fail than water retaining dams.Recent catastrophic failures of TSFs have led to the loss of lives (Germano mine, Brazil), environmental damage (Mount Polley, Canada), contamination of drinking water (Baia Mare, Romania), and the destruction of property (Kingston Fossil Plant, USA). As the scale of mining increases, TSFs increase in height and volume, therefore increasing the consequence of failure. To help mitigate risk associated with large TSFs mining companies empanel expert groups to review operations of TSFs and conduct regular visual inspections. In the US the Mine Safety and Health Administration has regulatory responsibility for the safety of TSFs. As population centers expand nearer to existing and proposed TSFs, the public requires assurance of the integrity of these structures. A pro-active approach to public safety is more desirable than a post-mortem analysis after a major failure. We have examined both the regulatory practices, the industry practices, and public data on TSFs in Arizona. In this thesis paper we address inadequacies of the official government records on TSFs in the two largest publicly accessible databases of dams inthe US – the National Inventory of Dams (NID), and the National Performance of Dams Program (NPDP). Both databases contain numerous errors and omissions, including descriptions and geographic coordinates of TSFs that are inaccurate by many kilometers. Several large TSFs in Arizona are not included in either database.We address these shortcomings with a pilot project for Arizona that demonstrates recording accurate information in a database is neither expensive nor onerous, communicating best practices for operation can help alleviate community concerns, and continuous monitoring technology can resolve shortcomings with visual inspections.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».