Analysis of rockburst in tunnels subjected to static and dynamic loads
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The presence of geological structures such as faults, joints, and dykes has been observed near excavation boundaries in many rockburst case histories. In this paper, the role of discontinuities around tunnels in rockburst occurrence was studied. For this purpose, the Abaqus explicit code was used to simulate dynamic rock failure in deep tunnels. Material heterogeneity was considered using Python scripting in Abaqus. Rockbursts near fault regions in deep tunnels under static and dynamic loads were studied. Several tunnel models with and without faults were built and static and dynamic loads were used to simulate rock failure. The velocity and the released kinetic energy of failed rocks, the failure zone around the tunnel, and the deformed mesh were studied to identify stable and unstable rock failures. Compared with models without discontinuities, the results showed that the velocity and the released kinetic energy of failed rocks were higher, the failure zone around the tunnel was larger, and the mesh was more deformed in the models with discontinuities, indicating that rock failure in the models with discontinuities was more violent. The modeling results confirm that the presence of geological structures in the vicinity of deep excavations could be one of the major influence factors for the occurrence of rockburst. It can explain localized rockburst occurrence in civil tunnels and mining drifts. The presented methodology in this paper for rockburst analysis can be useful for rockburst anticipation and control during mining and tunneling in highly stressed ground.
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.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 découle