MétaCan
Menu
Retour à la cohorte
Enregistrement W3043421383 · doi:10.17580/em.2020.01.02

Features of secondary stress field formation under anthropogenic change in subsoil during underground mineral mining

2020· article· en· W3043421383 sur OpenAlexaff
Yu. P. Galchenko, В. А. Еременко, М. А. Kosyreva, N. G. Vysotin

Notice bibliographique

RevueEurasian Mining · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical and Geomechanical Engineering
Établissements canadiensConvergent Manufacturing Technologies (Canada)
Organismes subventionnairesRussian Science Foundation
Mots-clésSubsoilGeologyField (mathematics)Stress (linguistics)Mining engineeringMineralStress fieldEnvironmental scienceGeotechnical engineeringGeochemistrySoil scienceSoil waterEngineeringEcology

Résumé

récupéré en direct d'OpenAlex

This article reports the studies of the secondary stress field induced by conventional and unconventional mining with nature-like technologies, including honeycomb and frame mine structures. The authors propose a new coefficient of influence for the quantitative assessment of the natural stress field distortion due to mineral mining. Using the data of mine tests, numerical modeling, physical simulation, and calibration of the developed numerical models, the diagrams of influence exerted by the parameters of a mining system on the structure of the secondary stress field are plotted. The highest effect on extension of tensile strain zones belongs to the systems of mining with caving. The weakest impact on enclosing rock mass is exercised by mining with backfilling as compared with the same or similar systems without backfill. The best index Tv = 1 is obtained in case of the new frame mine system recommended for thick and medium-thickness ore bodies in difficult geological conditions. For the honeycomb mine structure designed for extraction of rock salt and polyhalite, the resultant characteristics of the mine stability and mining impact on enclosing rock mass are also positive. The study was supported by the Russian Science Foundation, Project No. 19-17-00034.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,017
Tête enseignante GPT0,220
Écart entre enseignants0,203 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEurasian MiningMême sujetGeotechnical and Geomechanical EngineeringTravaux en français237 207