MétaCan
Menu
Retour à la cohorte
Enregistrement W2884374370 · doi:10.36487/acg_repo/711_6

Observations and Modelling of Compressive Failures of Hard Rock Masses

2007· article· en· W2884374370 sur OpenAlexaff
Catrin Edelbro

Notice bibliographique

RevueDeep mining · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensGeomechanica (Canada)
Organismes subventionnairesLuleå Tekniska UniversitetVattenfall
Mots-clésCohesion (chemistry)BrittlenessSofteningRock mass classificationGeologyCompressive strengthGeotechnical engineeringStructural engineeringMechanicsMathematicsMaterials scienceEngineeringPhysicsComposite materialStatistics

Résumé

récupéré en direct d'OpenAlex

Observations from five case studies of induced compressive brittle failure fallouts are compared with different numerical modelling approaches, to determine the best non-calibrated approach. All case studies are situated in hard rock masses that are massive or sparsely fractured, at depths of 630-965 m below surface. The observed fallouts are compared with the results from numerical models in Examine2D and Phase2D. The objective is to identify which of the five numerical modelling approaches gives the best agreement with respect to location, depth, shape, and extent of the observed fallouts. None of the studied approaches give perfect agreement with the actual fallouts. This study demonstrates that when rock mass strength parameters are defined by either the Hoek-Brown or the Mohr-Coulomb criterion, the elastic and elastic-perfectly plastic models predict reasonably well actual fallout depth, although the extent of fallout is exaggerated and the shape incorrect. Therefore, a precise estimation can not be expected. When using the m = 0 approach, the results were in poor agreement with the observed fallout. The fallouts are significantly overestimated when applying the brittle-plastic model using instantaneous softening by cohesion and friction or cohesion weakening.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,055
Tête enseignante GPT0,229
Écart entre enseignants0,173 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDeep miningMême sujetRock Mechanics and ModelingTravaux en français237 207