Probabilistic Step-Path Slope Stability Analysis Using Spatially Constrained DFN Models – A Case Study at Tasiast Mine
Notice bibliographique
Résumé
Abstract In this paper, geotechnical and structural data from an open pit mine were used to generate spatially constrained largescale DFN models. Data from geotechnical boreholes were used to develop 3D block models of volumetric fracture intensity (P32), using a geostatistical simulation method. The block models were used for spatially constraining 3D geo-cellular DFN models. The fracture centers within the DFN cellular grid are controlled by the cellular P32 values, estimated using the 3D block model. The joints orientation was bootstrapped from drillhole loggings whereas trace length data, collected across the pit area, were used to further calibrate the geo-cellular models. The resulting DFN models represented the spatial variation of fracture geometry and intensity along the pit area and were employed for numerical modeling of step-path slope stability analysis of the pit slopes. 2D cross sections of the 3D DFN models were embedded into 2D finite element models of the pit slope for a probabilistic step path stability analysis. In addition, the DFN models were used to estimate the rock bridge percentage along the pit walls which was ultimately used to assess the composite rock mass strength for a limit equilibrium analysis of the overall pit slope. The results of the two numerical approaches were compared to a simplistic approach assuming an average rock mass structural condition.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».