Design of an open-pit gold mine by optimal pitwall profiles
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
The overall steepness of pitwalls significantly influences the financial return of an open pit mine. In current practice, pitwall profiles are planar in cross-section. In this paper, a new geotechnical software, OptimalSlope, is employed to determine depth-varying optimal pitwall profiles for each slope sector of the mine. OptimalSlope solves a mathematical optimization problem where the overall steepness of the pitwall is maximized for the assigned stratigraphy, rock properties, and Factor of Safety (FoS). Bench geometries (bench height, bench-face inclination, and minimum berm width) are incorporated into the optimization as constraints that bind the maximum local inclination of the sought optimal profile together with any other constraint related to any geological discontinuities that may influence slope failure. The optimal profiles are always steeper than their planar counterparts—that is, the profile exhibiting the same FoS, generally up to 8 degrees, depending on rock type and constraints. To showcase the financial gains that can be achieved via OptimalSlope, the design of a gold mine in a complex geology dominated by weak rocks was initially carried out for planar pitwalls and then for optimal pitwall profiles. The pit has been divided into five geotechnical sectors, each requiring a different pitwall profile design. Adopting optimal slope profiles led to a 52.7% higher net present value and reductions in the carbon footprint and energy consumption of 0.0613 million tonnes CO2 eq and 31.3 million MJ, respectively, due to a 3.5% reduction of rock waste volume.
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