MétaCan
Menu
Retour à la cohorte
Enregistrement W4368370660 · doi:10.1080/25726668.2023.2205080

Assessing stope performance using georeferenced octrees and multivariate analysis

2023· article· en· W4368370660 sur OpenAlexaff
Benoît McFadyen, Martin Grenon, Kyle Woodward, Yves Potvin

Notice bibliographique

RevueMining Technology Transactions of the Institutions of Mining and Metallurgy · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueMineral Processing and Grinding
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésMining engineeringUndercutRock blastingPrincipal component analysisCoal miningGeoreferenceGeologyEngineeringCivil engineeringComputer scienceGeographyCoalMechanical engineeringPhysical geographyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This paper presents the first steps towards a new stope design approach, where stope overbreak (OB; rock mined outside of the design) and underbreak (UB; planned rock left behind) is assessed using statistical multivariate analysis (principal component analysis [PCA] and partial least square [PLS]) and georeferenced data measured at an approximately cubic metre resolution (octrees). Results showed that OB is observed in areas of the stope where there is a large blasting energy proxy, large undercut and towards the middle of the face. UB tends to be observed near the border of the faces and where there is large blasting standoff and toeing of the rings. The resolution of the data and the use of multivariate analysis have enabled the depiction of an accurate interpretation of the variation of stope performance along the design surface, going beyond the simple per face analysis.

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 enseignants0,091
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
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 Opus0,051
Tête enseignante GPT0,289
Écart entre enseignants0,238 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMining Technology Transactions of the Institutions of Mining and MetallurgyMême sujetMineral Processing and GrindingTravaux en français237 207