MétaCan
Menu
Retour à la cohorte
Enregistrement W4214949601 · doi:10.1080/19236026.2022.2027077

Sustainable design of tailings dams using geotechnical and geomorphic analysis

2022· article· en· W4214949601 sur OpenAlexaff
Neeltje Slingerland, Feixia Zhang, Nicholas Beier

Notice bibliographique

RevueCIM Journal · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil erosion and sediment transport
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTailingsLandformGeotechnical engineeringGeologyCivil engineeringSustainabilityTailings damEngineeringMining engineeringGeomorphology

Résumé

récupéré en direct d'OpenAlex

Geomorphic landform design for mine waste structures has been proposed as a sustainable alternative to traditional design approaches for decades. Over this time, the focus on mine closure and related sustainability approaches has grown steadily. Many geotechnical engineers and responsible mining companies understand the obligation to design and construct structures that will perform well in the long term. Concepts and tools are provided in this paper that will assist engineers in achieving their long-term goals. This research evaluates four tailings dam designs in terms of their geotechnical stability and long-term geomorphology: two traditional designs (uniform slope and platform-bank) and two geomorphic-inspired designs (catena and horseshoe). All four designs were subjected to two- and three-dimensional (3D) stability analysis, as well as 3D landscape evolution modeling (geomorphic analysis). Results indicated that the horseshoe-style geomorphic tailings dam design performed better than the others for each of the analyses completed. The horseshoe design consisted of interspersed catena slopes and uniform slopes, which resulted in a type of buttressing effect that enhanced the geotechnical stability of the dam while also reducing and focusing surface erosion.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,036
Tête enseignante GPT0,238
Écart entre enseignants0,202 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCIM JournalMême sujetSoil erosion and sediment transportTravaux en français237 207