Seismic Vulnerability of a Tailings Dam Affected by Subduction Earthquakes
Notice bibliographique
Résumé
The seismic response of tailings dams is highly dependent on the intensity measures (IMs) of the input ground motions.For this reason, several researchers have used seismic fragility functions to evaluate the seismic performance of geotechnical structures.Seismic stability analyses of tailings dams are further challenged by the uncertainty and variability of IMs for a given earthquake scenario and site conditions.This study presents the seismic performance of a tailings dam affected by subduction earthquakes by generating fragility functions and analysing the effectiveness of different IMs in predicting a damage measure (DM), such as horizontal displacements.Our analyses are based on finite-difference numerical simulations using advanced constitutive models.The selected ground motions are compatible with the Maximum Credible Earthquake (MCE), which is common in the practice in South America.The results show that the Arias intensity is the most efficient and optimal IM in predicting the horizontal crest displacements of the dam.Furthermore, the analytical fragility functions based on numerical results using peak ground acceleration (PGA), Arias intensity (AI), cumulative absolute velocity (CAV), and peak ground velocity (PGV) are presented.The fragility functions can be a useful tool to assess the probability of damage levels for designed tailings dams based on their design earthquake and acceptable risk.In addition, the obtained fragility functions could be used to define alert levels to be considered in the operation manual of the tailings storage facility (TSF).
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 | 0,001 |
| 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 ».