MétaCan
Menu
Retour à la cohorte
Enregistrement W4402281877 · doi:10.1016/j.jrmge.2024.09.003

Modeling pore-pressure evolution in hydrating minefill subjected to coupled thermo-mechanical loading

2024· article· en· W4402281877 sur OpenAlexaff
Liangfu Xie, Chen Zheng, Yuzhong Zhang, Jianfeng Liu, Tuo Chen, Gongda Lu

Notice bibliographique

RevueJournal of Rock Mechanics and Geotechnical Engineering · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensMcGill University
Organismes subventionnairesState Key Laboratory of Geohazard Prevention and Geoenvironment ProtectionChengdu University of TechnologyNational Natural Science Foundation of ChinaNatural Science Foundation of Xinjiang Province
Mots-clésMaterials scienceComposite materialPore water pressureGeotechnical engineeringGeology

Résumé

récupéré en direct d'OpenAlex

Despite the long-standing success of waste tailings recycling at shallower lithosphere, heat influx from the stifling environment of deep strata and ground squeezing due to aggravating deposit rheology have posed substantial challenges to traditional mine backfilling. To explore the minefill behavior in difficult geology settings, a new thermo-poroelastic model is developed in this study for characterizing the pore-pressure evolution in hydrating backfill subjected to coupled thermal perturbation and mechanical deformation. By scrutinizing the undrained pressure responses to a hierarchy of thermo-mechanical loading configurations, we investigated the relative contribution of heat exchange and wall convergence to the macroscopic minefill behavior. The result suggests that the backfill response could exhibit unique rate and path-dependence upon thermal loading due to the competing processes that govern the pressure evolution. Moreover, it shows that while rapid wall convergence would always induce significant pressure, thermal straining via heat exchange might still modulate substantially the pressure distribution when the temperature catalyzes considerable water expansivity. These findings could facilitate understanding of the complex backfill behavior in difficult geology settings, and thus have significant implications for adaptive tailings management to deep mining development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: aucune
Score de désaccord entre enseignants0,800
Score d'incertitude au seuil0,793

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,191
Écart entre enseignants0,184 · 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 tête enseignante, 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Rock Mechanics and Geotechnical EngineeringMême sujetTailings Management and PropertiesTravaux en français237 207