MétaCan
Menu
Retour à la cohorte
Enregistrement W2886225826 · doi:10.1139/cgj-2018-0073

A different methodology to control and predict ground vibrations from mine blasting

2018· article· en· W2886225826 sur OpenAlexvenueno aff
Jhon Silva-Castro

Notice bibliographique

RevueCanadian Geotechnical Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVibrationGround vibrationsExplosive materialEngineeringSuperposition principleRange (aeronautics)SophisticationBenchmark (surveying)WaveformVibration controlCivil engineeringStructural engineeringGeotechnical engineeringGeologyMathematicsAcousticsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

Ground vibration prediction and control from mine blasting is a complex task involving disciplines such as geotechnical engineering, explosives engineering, and geology. Despite the importance of controlling ground vibrations, the mining industry commonly uses empirical methodologies based on concepts related to the nuclear tests era (charge weight scaling relationships). Over the past decade, attempts have been made to popularize more elaborate methodologies. These methods range from basic waveform superposition to analytical and numerical methods. Such methodologies are difficult to utilize daily because of their complexity, sometimes low accuracy (despite their sophistication), requirement for difficult to obtain parameters, and time needed to reach solutions using complex algorithms. In this paper, a different methodology to control and predict ground vibrations from blasting is presented. This methodology uses a semi-empirical approach, where the generation and propagation of ground vibration waves and the ground vibration characteristics at a point of interest are considered through the collection of a signature waveform. The methodology allows assessment of the optimum delay between charges to minimize and control ground vibration levels. A case study is included to demonstrate the benefits and the methodology in detail.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,240
Écart entre enseignants0,209 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

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

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetRock Mechanics and ModelingTravaux en français237 207