Probabilistic analysis for mine design, using coal pillar design to illustrate its potential usefulness
Notice bibliographique
Résumé
© 2015 by the Canadian Institute of Mining, Metallurgy & Petroleum and ISRM. Analytical engineering design is based upon a trial-and-error iterative and deterministic process. Within this process, the engineer obtains some estimated values, plugs them into de facto closed-form equations, and receives output, which is expected to be a single number that serves as the basis for the design. This number is typically a factor of safety, or some other equivalent strength-stress ratio. This provides the engineer with a quick and relatively quantitative design methodology. This can create problems however, because in mining applications, the actual in situ system is highly variable, complex and often chaotic, which can lead to potentially incorrect conclusions that result in unsafe designs. A more appropriate and reliable approach is a probabilistic analysis for engineering design. This process is used widely in civil and other engineering disciplines, but is often overlooked for applications in coal mine design. Additionally, it seems the amount of past studies using this approach, especially in coal mine design, are rather limited. Considering how the probabilistic approach can account for uncertainty in parametric values and how unpredictable a mining design can be, the authors believe that this approach has potential in mining. This paper will focus on a summary of past studies related to probabilistic analysis in coal mine pillar design and provide recommendations for future work that could improve design reliability.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».