Geological Contributions to Geometallurgy: A Review
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
Geometallurgy is a cross-disciplinary science that addresses the problem of teasing out the features of the rock mass that significantly influence mining and processing. Rocks are complex composite mixtures for which the basic building blocks are grains of minerals. The properties of the minerals, how they are bound together, and many other aspects of rock texture affect the entire mining value chain from exploration, through mining and processing, waste and tailings disposal, to refining and sales. This review presents rock properties (e.g. strength, composition, mineralogy, texture) significant in geometallurgy and examples of test methods available to measure or predict these properties. Geometallurgical data need to be quantitative and spatially constrained so they can be used in 3D modelling and mine planning. They also need to be obtainable relatively cheaply in order to be abundant enough to provide a statistically valid sample distribution for spatial modelling. Strong communication between different departments along the mining value chain is imperative so that data are produced and transferred in a useable form and duplication is avoided. The ultimate aim is to have 3D models that not only show the grade of valuable elements (or minerals), but also include rock properties that may influence mining and processing, so that decisions concerning mining and processing can be made holistically, i.e. the impacts of rock properties on all the cost centres in the mining process are taken into account. There are significant costs to improving ore deposit knowledge and it is very important to consider the cost-benefit curve when planning the level of geometallurgical effort that is appropriate in individual deposits.RÉSUMÉLa géométallurgie est une science interdisciplinaire qui s’intéresse aux caractéristiques de la masse rocheuse qui influent de manière significative sur l'exploitation minière et le traitement du minerai. Les roches sont des mélanges composites complexes dont les éléments structurant de base sont des grains de minéraux. Les propriétés des minéraux, la façon dont ils sont liés entre eux, et de nombreux autres aspects de la texture des roches déterminent l'ensemble de la chaîne de valeur minière, de l'exploration à l'extraction à la transformation, à l'élimination des déchets et des résidus, jusqu'au raffinage et à la vente. La présente étude passe en revue les propriétés significatives de la roche (par ex. sa cohésion, sa composition, sa minéralogie, sa texture) en géométallurgie ainsi que des exemples de méthodes d'essai disponibles pour mesurer ou prédire ces propriétés. Les données géométallurgiques doivent être quantitatives et localisées spatialement afin qu'elles puissent être utilisées dans la modélisation 3D et la planification de la mine. Elles doivent également être peu couteuses afin d'être suffisamment nombreuses pour fournir une distribution d'échantillon statistiquement valide pour la modélisation spatiale. Une communication efficace entre les différents segments de la chaîne de valeur minière est impérative pour que les données soient produites et transférées sous une forme utilisable et que les duplications soient évitées. Le but ultime est d'avoir des modèles 3D qui montrent non seulement la qualité des éléments précieux (ou minéraux), mais aussi les propriétés de roche qui déterminent l'exploitation minière et le traitement du minerai, de sorte que les décisions concernant l'exploitation minière et le traitement du minerai peuvent être réalisées de façon holistique, c.-à-d. que l’impact des propriétés de roche sur tous les maillons de la chaîne des coûts du processus minier sont prises en compte. Les coûts d’amélioration des connaissances sur le gisement de minerai étant importants, il faut tenir compte de la courbe coûts-bénéfices lors de la planification du niveau d'investissement géométallurgique approprié pour le gisement considéré.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 découle