Delimitation of the Final Pit in Open Pit Mines Using the Pseudoflow Maximum Flow Algorithm: A Comparative Analysis of 1×5 and 1×9 Arcs
Notice bibliographique
Résumé
The primary aim of this research was to delimitate the final pit in an open pit mine using the 1×5 and 1×9 arch methods of the pseudoflow maximum flow algorithm.To achieve this, Exploratory Data Analysis (EDA), economic, and geomechanical parameters were utilized.Various final pit scenarios were generated by varying the revenue factor.The analysis was conducted using Python 3.11 (Jupyter Notebook) and SGeMS V.3.0 software.The block model comprised 480,000 blocks, each measuring 10×10×10 meters, with a copper grade range from 0 to 1.41%.Specific parameters were employed, including a slope angle of 45°, a base copper price of 3.90 US$/lb, and smelting, extraction, and crushing-grinding costs of 0.40 US$/lb, 2.30, and 11.00 US$/ton, respectively.Twenty final pits were generated for each method, based on a revenue factor from 0.10 to 2.00.The results indicated that both methods are effective for final pit delineation, with the 1×5 method achieving an NPV of 17,855 MUS$ and a REM of 0.27, and the 1×9 method attaining an NPV of 18,456 MUS$ and a REM of 0.35.It was concluded that the 1×9 arch method is preferable as it yields a higher NPV.This study underscores the importance of methodological selection in the planning of open-pit mines, demonstrating that despite a higher REM, the 1×9 method significantly enhances the NPV, implying substantial economic benefits for the 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) | 0,000 | 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 ».