MétaCan
Menu
Retour à la cohorte
Enregistrement W4283695140 · doi:10.3390/en15134729

Back-Calculation Method for Estimation of Geomechanical Parameters in Numerical Modeling Based on In-Situ Measurements and Statistical Methods

2022· article· en· W4283695140 sur OpenAlexaboutno aff
Karolina Adach-Pawelus

Notice bibliographique

RevueEnergies · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésConvergence (economics)Rock mass classificationSet (abstract data type)ResidualMatching (statistics)Numerical analysisComputer scienceFinite element methodComputer simulationPillarApplied mathematicsGeologyAlgorithmGeotechnical engineeringMathematicsStructural engineeringEngineeringStatisticsSimulation

Résumé

récupéré en direct d'OpenAlex

An important element of numerical modeling for specific mining issues is the selection of model parameters. The incorrect determination of geomechanical parameters can result in significant calculation errors carried throughout the entire problem. This paper presents a method for determining effective geomechanical parameters for technological and residual pillars through the use of numerical modeling, specifically, back-calculation. This is based on the results of numerical simulations, measurement data (e.g., excavation convergence measurements), and statistical methods (a non-linear regression model with “dummy” variables). The result is that appropriate parameters of pillars are set out iteratively so that the displacements of selected points in the numerical model correspond (with some approximation) to the results of mine measurements. The procedure of determining pillar parameters is presented using a case study of one mining field in an underground copper mine, where the deposit is mined using the room and pillar system. Numerical calculations were performed using a Phase2 v. 8.0 program (Rocscience, Toronto, Canada), while statistical calculations used a Statistica computer program. The results of excavation convergence measurements performed in the analyzed mine have been applied. This paper shows that for the presented method, the resulting matching of theoretical values of convergence determined numerically for specified pillar parameters to in-situ results of convergence measurements, is very good (R2 = 0.9896). This work exemplifies a set of the parameters of pillars for an elastic model of rock mass, but this method can also be applied to other models.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,057
Tête enseignante GPT0,332
Écart entre enseignants0,275 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnergiesMême sujetRock Mechanics and ModelingTravaux en français237 207