MétaCan
Menu
Retour à la cohorte
Enregistrement W2980830562 · doi:10.33915/etd.6543

Far-Field Ground Strain Failure Mode Assessment for Mineral Extraction Near Dams

2017· dissertation· en· W2980830562 sur OpenAlexaboutno aff
Harold Russell

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineEngineering
ThématiqueDam Engineering and Safety
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMileGeologyGeotechnical engineeringMining engineeringRADIUSHydrology (agriculture)Geodesy

Résumé

récupéré en direct d'OpenAlex

Steeply sloped, high relief landforms with fractured sedimentary geology in proximity to underground mine voids have the potential to produce far-field ground strains which initiate strain failure modes for cross valley dams. The Ryerson Station Dam breach in 2005 brought attention to the possibility of increased hazard to dams due to far-field ground strain phenomena from underground mining.;The mapping study found that three United States Army Corps of Engineers (U.S.ACE) owned and operated dams were within the 1-mile buffer radius, and four within the 2.7-mile buffer radius of mine permits in West Virginia. Some U.S.ACE dams can be very large in their length, changing the offset distances used herein significantly. There were zero U.S.ACE dams found to have any underground mine permit directly underneath their location. The total frequency of occurrence for U.S.ACE dams considered nearby to underground mine permits in WV was 17.4%.;There are many more dams considered in the National Inventory of Dams (NID) than U.S.ACE dams alone. The same buffer radii were chosen to assess the offset distances of NID dams to underground mine permits as were used for the U.S.ACE dam assessment. There were found to be 115 NID dams within the 2.7-mile buffer radius with 79 of those within 1 mile, and 45 directly undermined. The total frequency of occurrence for NID dams existing nearby to permitted underground mines was found to be 18.9%.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil1,000

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 Opus0,011
Tête enseignante GPT0,310
Écart entre enseignants0,298 · 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.

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDam Engineering and SafetyTravaux en français237 207