MétaCan
Menu
Retour à la cohorte
Enregistrement W4367155223 · doi:10.36487/acg_repo/2355_47

Dry stacked filtered tailings: seepage behaviour during the construction process

2023· article· en· W4367155223 sur OpenAlexaff
Bryan Sanchez, Miguel Sutta, Julio Soto, Ivan Benites

Notice bibliographique

RevuePaste/˜Pœaste · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensBanff CentreGeomechanica (Canada)University of Alberta
Organismes subventionnairesnon disponible
Mots-clésTailingsProcess (computing)Tailings damGeotechnical engineeringGeologyMining engineeringEnvironmental scienceMaterials scienceComputer scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

In the last decade, filtered tailings deposits (FTDs) have become relevant in the mining industry because they reduce physical stability risks due to the low degree of saturation in which they work. This paper focuses on the seepage process during the construction of a conceptual dry tailings stack. The seepage process was analysed with a coupled and uncoupled model in the structural and non-structural zone of a FTD to determine the influence of variables such as density, degree of saturation, permeability, tailings disposal and interaction with the environment (precipitation) inside a dry stack. An FTD is conceptualised with a construction period of approximately 10.8 years and a rainfall regime that presents a wet season that limits the construction periods. The results show that the use of coupled seepage models determines sectors with greater thicknesses and higher degrees of saturation compared to uncoupled models. A comparative analysis is also carried out for the use of raincoats on the structural zone during the wet season. Not using a raincoat allows the generation of layers with a higher degree of saturation, which generates a heterogeneous structural zone that could have an impact on its shear strength. Finally, based on the results, guidelines are provided for geotechnical laboratory investigation plans, the adaptation of field conditions to model boundary conditions and filtered tailings disposal configurations.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,692

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 Opus0,010
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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'étudeObservationnel
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'admission1
Résumé présentoui

Explorer davantage

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