MétaCan
Menu
Retour à la cohorte
Enregistrement W4362576362 · doi:10.1139/cgj-2022-0196

Improvement of tailings impoundment seismic and post-seismic stability using densification and waste rock inclusions

2023· article· en· W4362576362 sur OpenAlexafffundvenueabout
Carlos Andrés Contreras, Samuel Yniesta, Michel Aubertin

Notice bibliographique

RevueCanadian Geotechnical Journal · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésTailingsLiquefactionGeologyGeotechnical engineeringTailings damSeismic loadingMining engineering

Résumé

récupéré en direct d'OpenAlex

Tailings impoundments are often prone to failure due to various causes related to complex loading conditions. For instance, tailings impoundments can fail during or after a seismic event, mainly because of the liquefaction of loose, cohesionless tailings. To improve the seismic stability of impoundments, the density of the tailings can be increased or waste rock inclusions (WRI) can be added in the impoundment. This paper presents the results of numerical analyses of the impoundments loaded with a variety of ground motions with different frequencies, scaled at two different levels of intensity representative of two mining regions of Eastern Canada. The results show that the conventional impoundments are subjected to medium to high displacements at the end of shaking; these show a high probability of rupture during the earthquake or in the post-seismic phase. Tailings densification can decrease the volume of liquefied tailings and displacements during the seismic phase but does not significantly reduce the probability of post-seismic failure. WRI can slightly reduce the volume of liquefied tailings, depending on the intensity of the motions, but the reinforcement reduces significantly the lateral displacements; impoundments with WRI show even better performances during the post-seismic phase. The use of WRI is deemed a good approach to ensure the seismic stability of tailings impoundments and reduce the risk of seismically induced failure.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,942

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,017
Tête enseignante GPT0,209
Écart entre enseignants0,192 · 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

Citations1
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetTailings Management and PropertiesTravaux en français237 207