MétaCan
Menu
Retour à la cohorte
Enregistrement W2888370640 · doi:10.36487/acg_rep/1363_31_landriault

Application of cyclone technology in paste backfill plant design

2013· article· en· W2888370640 sur OpenAlexaff
Jacob Landriault, Pierre Primeau

Notice bibliographique

RevuePaste/˜Pœaste · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensGolder Associates (Canada)
Organismes subventionnairesnon disponible
Mots-clésDewateringCyclone (programming language)Aggregate (composite)Process (computing)Coal preparation plantEnvironmental scienceTailingsWaste managementProcess engineeringEngineeringGeotechnical engineeringCoalComputer scienceMaterials science

Résumé

récupéré en direct d'OpenAlex

Historically cyclone technology has been used for classification and dewatering purposes in mineral processing. It has also been extensively used in the preparation of suitable material for hydraulic backfill. Conversely when it comes to paste backfill plant design, thickening and filtration technology is typically used, and where high backfill strength is required, classified aggregate is often added. These are viable and accepted practices for the preparation of paste backfill; however, in certain applications the use of cyclones within the paste preparation process provides alternatives which can result in lower capital and/or operating cost for the paste backfill system. This paper will present novel applications of cyclone classification and dewatering technologies in the preparation of paste backfill. Specifically, the paper will discuss how cyclones can be used in certain applications to dewater the tailings without the need for thickeners, thereby lowering the capital cost and/or reducing the cement binder requirements and consequently lowering the operating cost. Examples of projects where the use of cyclone classification was considered during the development of the process flow sheet highlights the drivers for its incorporation in the resulting paste backfill systems.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,572
Score d'incertitude au seuil0,548

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 Opus0,009
Tête enseignante GPT0,167
Écart entre enseignants0,159 · 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'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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaste/˜PœasteMême sujetTailings Management and PropertiesTravaux en français237 207