Time for a Change? the Role of Rockmass Characterization and Discrete Fracture Networks on the Assessment of Caving Rockmasses
Notice bibliographique
Résumé
ABSTRACT: With the trend for block and panel caving projects being in typically deeper, stronger and more heterogenous rock mass conditions, the need for better rock mass characterization has never been greater so that a reliable design can be developed. However, with many of the worldwide caving operations been carried out in more massive rock masses with relatively few joints being present, there is a requirement to improve rock mass characterization which has historically been focused on joints which are not often present in porphyry deposits at depth, the typical caving host rock masses. Failure to step outside historic characterization approaches has resulted in mis-characterized resources and a significant difference between forecasted and actual caving performance. Increasingly improvements in rock mass characterization methods have benefited from more detailed investigations of veining, their role in rock failure mechanisms, and their integration within Discrete Fracture Network (DFN) models. DFN modelling allows for a more statistical approach to rock fabric description by explicitly building 3D synthetic rock mass descriptions for improved visualization and analysis. The objective of rock mass characterization is to be able to accurately define the nature of the rock mass being excavated in terms of whether it is massive, moderately jointed/veined or highly blocky. This understanding is the basis for better analysis with both empirical design methods and advanced numerical modelling. Collectively, the assessments based on a more robust, statistically significant geomechanical representation of these rock masses provides for improved forecasts of extraction level stability, production ramp-up rates, hangup management requirements need for preconditioning, and ground support.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».