MétaCan
Menu
Retour à la cohorte
Enregistrement W2910656603 · doi:10.1177/1550147718824473

Mutation effect of acoustic and electromagnetic emissions of hard rock impact failure

2019· article· en· W2910656603 sur OpenAlexaff
Yang Liu, Cai‐Ping Lu, Heng Zhang

Notice bibliographique

RevueInternational Journal of Distributed Sensor Networks · 2019
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueEarthquake Detection and Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésAcoustic emissionMicroseismCoalescence (physics)SeismologyGeologyFracture (geology)AcousticsRoofGeotechnical engineeringPhysicsStructural engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

To reveal acoustic emission and electromagnetic emission effects during hard rock impact failure is a crucial issue for monitoring and warning rockburst risk induced by hard roof fracture and fall. The presented research focuses on acoustic emission and electromagnetic emission and microseismic effects detected during laboratory tests and by in situ multi-parameter observations, and the field observations agreed satisfactorily with the experimental evidences. The following main conclusions were drawn: (1) the stress level, frequency of micro-cracks, and impact failure regularity of hard rocks can be revealed with electromagnetic emission and acoustic emission/microseismic parameters, respectively; (2) acoustic emission/microseismic event counts can directly reveal the cracks change in rocks, and the initiation, propagation, and coalescence of micro-cracks can be presented as first increase, followed by decrease in acoustic emission/microseismic event counts; (3) in most cases, only when stress suddenly decreases or the rock final collapses, acoustic emissions show obviously abnormal; and (4) acoustic emission/microseismic can be more effectively applied to warn rockburst danger. The above conclusions may shed light on the effective monitoring and warning methods of rockburst triggered by hard roof fall, and events contribute to some interpretations to originally transient precursors of hard rock fracturing.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 Opus0,003
Tête enseignante GPT0,219
Écart entre enseignants0,216 · 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'étudeObservationnel
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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Distributed Sensor NetworksMême sujetEarthquake Detection and AnalysisTravaux en français237 207