MétaCan
Menu
Retour à la cohorte
Enregistrement W2802402940 · doi:10.36487/acg_rep/1805_33_simms

Analysis of dewatering and desaturation of generic field deposition scenarios for thickened tailings

2018· article· en· W2802402940 sur OpenAlexafffund
Shunchao Qi, Paul Simms

Notice bibliographique

RevuePaste/˜Pœaste · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueSoil and Unsaturated Flow
Établissements canadiensCarleton University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada's Oil Sands Innovation Alliance
Mots-clésTailingsDewateringConsolidation (business)Deposition (geology)Hydraulic conductivityGeotechnical engineeringOil sandsPermeability (electromagnetism)Lift (data mining)GeologyPetroleum engineeringEnvironmental scienceMining engineeringSoil scienceMaterials scienceMetallurgyComposite materialAsphaltSoil waterComputer science

Résumé

récupéré en direct d'OpenAlex

Models that compute dewatering using accurate coupling of evaporation, unsaturated flow and large strain consolidation may have utility in providing guidance to optimise deposition of thickened tailings. A recently developed research model, UNSATCON, is used to analyse some typical field deposition profiles for both hard rock and oil sands fine tailings deposits. Model parameters are selected from previous studies on hard rock and oil sands tailings. Some validation with select field data is presented. Exploratory analysis reveals a number of interesting findings. For hard rock tailings, where self-weight consolidation after lift placement occurs relatively quickly due to high hydraulic conductivity of the tailings, maximisation of density can be achieved for a wide range of lift thickness and rates of rise even with relatively low rates of evaporation. For desaturation and risk of oxidation, lift thickness and deposition timing become more important. For oil sands tailings, the timing of deposition and lift thickness are more important for maximising density due to the much lower hydraulic conductivity and, therefore, the longer time of self-weight consolidation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,488
Score d'incertitude au seuil0,375

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,213
Écart entre enseignants0,203 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations4
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePaste/˜PœasteMême sujetSoil and Unsaturated FlowTravaux en français237 207