MétaCan
Menu
Retour à la cohorte
Enregistrement W4296709695 · doi:10.1139/cjce-2021-0596

Modelling the transport of tailings after Mount Polley tailings dam failure using multisource geospatial data

2022· article· en· W4296709695 sur OpenAlexaffvenue
Uthra Sreekumar, Colin D. Rennie, Abdolmajid Mohammadian, Ioan Nistor, Julie Lovitt, Ying Zhang

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésTailingsRheologyGeologyGeotechnical engineeringCalibrationDigital elevation modelOutflowSurface finishViscositySedimentSediment transportSoil scienceEnvironmental scienceGeomorphologyMaterials scienceRemote sensingMathematics

Résumé

récupéré en direct d'OpenAlex

Tailings dams (TD) are usually located in valleys that are not easily accessible and hence one global digital elevation model (DEM) is used in most of the TD breach outflow modelling studies but the challenges this impose when calibrating visco-plastic rheological models has not been fully investigated. Implications of using GeoBase DEMs for model calibration is studied by comparing it with a model that is calibrated using a merged DEM generated from multiple products. The influence of rheological parameters, roughness coefficient and sediment concentration ( C v ) on simulated variables is studied. It was concluded that when GeoBase DEM was used for back analysis of the event, physically meaningful set of rheology values could not be assigned. Flow behaviour was strongly influenced by C v and least influenced by Manning’s values. Runout distance was more sensitive to viscosity than yield stress. Mudflow depth and arrival time increased with increase in viscosity and C v .

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,150
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,016
Tête enseignante GPT0,176
Écart entre enseignants0,160 · 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 tête enseignante, 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
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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetTailings Management and PropertiesTravaux en français237 207