MétaCan
Menu
Retour à la cohorte
Enregistrement W3201558639 · doi:10.36487/acg_repo/2115_34

Paste backfill thermal contraction: Red Lake operations case study

2021· article· en· W3201558639 sur OpenAlexaff
Jeffrey Oke, Katie Hawley, Tikou Belem, Ali Saadatmand Hashemi

Notice bibliographique

RevuePaste/˜Pœaste · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensUniversité du Québec en Abitibi-Témiscamingue
Organismes subventionnairesnon disponible
Mots-clésContraction (grammar)ThermalMaterials scienceGeotechnical engineeringEnvironmental scienceGeologyMeteorologyPhysics

Résumé

récupéré en direct d'OpenAlex

One of the earliest attempts at field measurement within hydraulically placed cemented backfill occurred over 20 years ago. Recently, Thompson et al. (2014a) published their findings on capturing thermal expansion within cemented paste backfill (CPB) and cemented hydraulic backfill (CHB). They discovered that the total earth pressure within the CPB following placement is likely to increase at a rate of 30 kPa/°C (i.e. for an 11°C temperature increase). However, Thompson and his co-authors' research did not elaborate on the subsequent effects of thermal dissipation (or thermal contraction) in backfill. A comprehensive literature study concluded with no clear evidence of thermal dissipation phenomenon and its effects in backfill. It is hypothesised by the authors that if thermal expansion can occur, then thermal dissipation or contraction is also likely to occur. Red Lake operation (RLO) of Evolution Mining conducted a field program to capture the characteristics of the CPB during a transition from a plug–cure–main pour strategy to a more aggressive pour strategy (i.e. continuous pour operation). During this investigation, strong evidence of thermal contraction was observed in three of the four instrumented stopes. This paper presents detailed findings of two of the instrumented stopes.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,015
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,221
Écart entre enseignants0,201 · 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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaste/˜PœasteMême sujetTailings Management and PropertiesTravaux en français237 207