Experimental validation of a prediction model of the compressive strength of cemented rockfills
Notice bibliographique
Résumé
Underground mine backfilling promotes solid waste to be returned as cementitious material either in the form of cemented paste backfill – CPB – (using tailings) or in the form of cemented rock fill – CRF – (using crushed waste rock, WR). The cement or binder addition is intended to develop a required unconfined compressive strength (UCS) value to ensure ground stability during mining operations. While CPB is the most common type of mine backfill used in underground mining operations, CRF is only used when high compressive strength is required to increase productivity. Despite the performance of CRF, this type of backfill is not much studied or optimised. The main objective of this study is to validate experimentally a newly developed semi-empirical model for predicting the UCS of CRF. This model considers various physical parameters of CRF materials such as the types of binder (e.g. general use Portland cement –GU, GU-fly ash, GU-ground granulated blast furnace slag, etc.) and their mass proportion (binder rate Bw), the water-to-cement ratio (W/C), the type of WR (according to its relative density DR) and the grain size distribution, and the curing time (t). To this end, numerous cylindrical CRF specimens are prepared by varying the W/C, the type of binder, the binder rate Bw (4–8%), the type of WR and the average diameter (d) of the particles. Preliminary results show that the accuracy of the predicted UCS values of various laboratory-prepared CRF mix recipes is satisfactory with a high coefficient of correlation (R 0.9). Therefore, it is reasonable to adopt the proposed CRF strength prediction model for laboratory-prepared specimens that can be scaled up in situ bydeveloping an efficient CRF preparation quality control (QC) procedure.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».