Refined Approaches for Estimating the Strength of Rock Blocks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Micro-discrete fracture networks (μDFNs) have been integrated into grain-based models (GBMs) within the numerical software UDEC to assess rock block strength through a series of unconfined compressive strength (UCS) tests of progressively larger in size numerical specimens. GBMs were generated by utilizing a Voronoi tessellation scheme to capture the crack evolution processes within the intact rock material, and μDFNs were separately created and embedded into the GBMs to simulate the effect of pre-existing defects. Various μDFNs realisations were generated stochastically within the software FracMan to assess the combined impact of defect intensity, persistence, strength and specimen size. The resulting synthetic rock block models were used to assess the “flawed” material strength at block scale through a rigorous sensitivity numerical analysis. The acquired results predict a progressive strength reduction with decreasing intact rock quality and certain trends are captured when rock block strength is expressed as a function of a newly proposed “Defect Intensity× Persistence” factor. This allow us to standardise the data along specific strength reduction envelopes and to propose generic relationships that cover a wide range of defect geometrical combinations, defect strengths and sample sizes. Accordingly, an attempt is undertaken to refine two existing empirical approaches that consider the effect of scale and micro-defects explicitly for predicting the UCS of rock blocks.
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.
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 | 0,000 |
| 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 découle