A new paradigm in ground support monitoring through ultrasonic monitoring of clusters of rockbolts
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
In most of today’s underground mines, ground support monitoring is mainly conducted through using microseismic sensors, LiDAR, extensometers, cameras, or visual inspection. These monitoring tools are complementary in nature. Due to high costs associated with purchase, installation, maintenance and utilisation, they are usually deployed or used at sparsely selected critical locations, some of them on a noncontinuous basis. This means that some important pieces of information on ground support conditions may be missing either location-wise or time-wise. In the last four years, the Energy, Mining and Environment Research Centre of the National Research Council Canada (NRC), in collaboration with CanmetMINING of Natural Resources Canada (NRCan), has developed next generation ultrasound rockbolt sensors (RBSTM) for monitoring load change and deformation experienced by rockbolts. Intrinsically low costing and installation onto exposed end of rockbolts using production bolters, the technology is meant to be deployed on a large number of rockbolts whereby the instrumented rockbolts become a network of ground condition sensors to provide on-demand 3D mapping of ground stress change and deformation all over excavated zones. Field trial data collected in a production mine has demonstrated that monitoring a cluster of rockbolts can provide much more meaningful and reliable information about ground condition when compared with information provided by a single instrumented rockbolt. Therefore, monitoring clusters of rockbolts is recommended as being an effective practice for ground support monitoring.
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