MétaCan
Menu
Retour à la cohorte
Enregistrement W2995264422 · doi:10.1139/cgj-2019-0019

The critical state line of nonplastic tailings

2019· article· en· W2995264422 sur OpenAlexvenueno aff
Luis Alberto Torres-Cruz, J. Carlos Santamarina

Notice bibliographique

RevueCanadian Geotechnical Journal · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Soil Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesKing Abdullah University of Science and Technology
Mots-clésTailingsVoid ratioGeotechnical engineeringSoil waterParticle-size distributionGrain sizeParticle sizeSoil scienceGeologyMaterials scienceEnvironmental scienceComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

The probability of failure of tailing dams and associated risks demand improvements in engineering practice. The critical state line provides a robust framework for the characterization of mine tailings. New experimental data for nonplastic platinum tailings and a large database for tailings and nonplastic soils (grain size between 2 and 500 μm) show that the critical state parameters for nonplastic tailings follow the same trends as nonplastic soils as a function of particle-scale characteristics and extreme void ratios. Critical state lines determined for extreme tailings gradations underestimate the range of critical state parameters that may be encountered in a tailings dam; in fact, mixtures with intermediate fines content exhibit the densest granular packing at critical state. The minimum void ratio e min captures the underlying role of particle shape and grain size distribution on granular packing and emerges as a valuable index property to inform sampling strategies for the assessment of spatial variability. Mineralogy does not significantly affect the intercept Γ 100 , but it does affect the slope λ. The friction coefficients M of tailings are similar to those of other nonplastic soils; while mineralogy does not have a significant effect on friction, more angular grains lead to higher friction coefficients.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,240
Score d'incertitude au seuil0,499

Scores Codex et Gemma par catégorie

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 recherche0,0000,001
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 Opus0,005
Tête enseignante GPT0,188
Écart entre enseignants0,183 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations50
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and Soil MechanicsTravaux en français237 207