Empirical approaches for rock burst prediction: A comprehensive review and application to the new level of El Teniente Mine, Chile
Notice bibliographique
Résumé
Rockburst phenomena pose significant challenges in the mining industry, particularly with increased underground activities at greater depths. These sudden failures not only jeopardize personnel safety but also impact mining investments. Consequently, it becomes crucial to assess the reliability and effectiveness of empirical methods employed for predicting rock burst occurrences and their severity, an ongoing subject of debate within the scientific community. This research presents a comprehensive review of empirical approaches for rock burst prediction. Subsequently, these approaches are applied to predict rock burst occurrences and its intensity within sections of a tunnel at the new level of El Teniente mine in Chile. Most of these methods rely on single-factor criteria to predict the likelihood and severity of rock bursts. However, inconsistencies are observed in the results obtained from these approaches in numerous cases. This discrepancy highlights the influence of various input parameters on rock burst estimations and emphasizes that single-index criteria may not encompass all the pertinent factors that contribute to this phenomenon. Consequently, such criteria may inadequately estimate or reflect the probability of rock burst occurrences. Given the multifaceted nature of rock burst phenomena, which depend on multiple factors, it becomes imperative to explore new approaches that consider a broader range of influencing factors, thereby yielding more realistic results. Hence, continued research is essential to develop new methods that address this issue comprehensively and ensure the safety of the mining industry.
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) | 0,001 | 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 ».