Risk assessment and management for an extreme accident at a waste slag site
Notice bibliographique
Résumé
Abstract. Waste slag failure is a disaster that affects both the environment and people. In China there are many waste slags after the engineering project such as railway and road. Although the disposal of the waste slags obeys the regulations the government have established, some accident still happened. Therefore, we need to do inverse analysis to check the failure extend and impact area of each slope. The probability of failure of a waste slag site involves many unpredictable factors that are hard to calculate. Therefore, we propose a risk analysis and management scheme for extreme accidents that assumes failure will arise at extreme conditions, and emphasize risk management in the design and monitoring of the slag site. In this scheme, we use Tsunami–Square Method to simulate the flow of tailings sand to get the intensity parameters (flow path and thickness) to create hazard zones based on dam failure. The risks to buildings and people were analysed according to the vulnerability of the buildings in the flow path. A risk sharing community risk management mode is presented using the idea of Canadian Whitehorse Mining Initiative, which sparkplug multi-stakeholder representatives to participate in risk management. Following the As Low As Reasonably Possible principle, the risk management scheme divides areas at risk into five zones in the F–N Curve. These zones have different mitigation measures for risk from tailings ponds and other waste slag sites. The scheme is effective for determining design safety factors, implementing reinforcements, and monitoring the waste slag site, and encouraging multiparty participation in risk management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».