MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389584750 · doi:10.17118/11143/21004

Extracting cold energy from back-filled zones to pre-freeze new miningzones in Canadian uranium mines: numerical modeling and experimentalvalidation

2023· article· en· W4389584750 sur OpenAlexafffundabout
Muhammad S.K. Tareen, Mahmoud A. Alzoubi, Ahmad F. Zueter, Agus P. Sasmito

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueClimate change and permafrost
Établissements canadiensDalhousie UniversityUniversité de SherbrookeMcGill University
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésUraniumMining engineeringUranium miningGeologyNumerical modelsNumerical modelingMaterials scienceGeophysics

Résumé

récupéré en direct d'OpenAlex

Athabasca basin in northern Saskatchewan is the home to high-grade uranium ores -known as the Saudi Arabia of the uranium world.McArthur River and Cigar Lake mines are two underground mines located in the Athabasca basin in northern Saskatchewan.Due to high uranium content and weak ground structure, the uranium ore is extracted using special mining techniques, namely raise boring in McArthur River and jet boring in Cigar Lake mine, in which the ground/orebodies need to be frozen before it is excavated.The artificial ground freezing (AGF) system employs a refrigeration plant to produce brine (calcium chloride) at -30 • C to freeze the ground by pumping it to the coaxial/bayonet tube heat exchangers installed in the drill holes.As the mine progresses, orebody in the old zones depletes, and new zones need to be developed.The depleted zone typically had been frozen for several years, for which ground temperature reaches close to brine temperature.This paper explores a novel idea of extracting "coolth" energy from the depleted zones to pre-freeze new zones.This could potentially shorten the overall freezing time in the new zone and reduce overall energy consumption and its associated carbon footprint.The concept is tested using a laboratory-scale AGF facility at McGill University.A mathematical model is also developed and validated against experimental data.The model is then used to simulate mine field conditions.The results suggest that the pre-freezing technique can shorten the total freezing time from 9 to 7 months with potential energy savings of up to 37%.Future work will focus on design improvement, techno-economic analysis, and possible implementation.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,702
Score d'incertitude au seuil0,592

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,053
Tête enseignante GPT0,266
Écart entre enseignants0,213 · 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 source (Gemma direct ou Codex distillé), 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'admission3
Résumé présentoui

Explorer davantage

Même sujetClimate change and permafrost→Travaux en français237 207→