MétaCan
Menu
Retour à la cohorte
Enregistrement W4367155130 · doi:10.36487/acg_repo/2355_44

Comparing various thixotropic models and their performance in predicting flow behavior of treated tailings

2023· article· en· W4367155130 sur OpenAlexaff
A.M. Talmon, Ebi Meshkati Shahmirzadi, Mohamed Eisa, Paul Simms, Reza Moussavi Nik

Notice bibliographique

RevuePaste/˜Pœaste · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensCarleton UniversityImperial Oil (Canada)Banff CentreGeomechanica (Canada)University of Alberta
Organismes subventionnairesnon disponible
Mots-clésThixotropyTailingsFlow (mathematics)Computer scienceGeotechnical engineeringGeologyMaterials scienceMechanicsMetallurgy

Résumé

récupéré en direct d'OpenAlex

Treated tailings are known for their thixotropic rheological characteristics under flow, i.e. strength loss with time under constant shear rate, and strength gain at rest. Understanding and accurately quantifying the time-dependency of strength in treated tailings is crucial to sediment management operations such as mixing, pumping, hydraulic transport, flow and deposition. The are several thixotropic models available in the literature. This paper sheds light on the similarities and differences of representative thixotropic models and their pros and cons. Particular attention is paid to the model’s limitations/advantages in flow modelling. The performance of the models in predicting the flow behaviour of flocculated mature fine tailings (f-MFT) down a deposit’s beach is investigated. Particularly the free-surface profile is affected, which will have many practical implications for deposit management.

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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,407
Score d'incertitude au seuil0,642

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 Opus0,027
Tête enseignante GPT0,196
Écart entre enseignants0,169 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaste/˜PœasteMême sujetTailings Management and PropertiesTravaux en français237 207