Numerical model calibration of fault properties using seismic moment for a deep underground mine
Notice bibliographique
Résumé
Microseismicity often provides crucial insights into the behaviour of rock masses in deep mining environments, especially concerning damage and the mechanisms affected by stress field changes. By integrating numerical simulations of synthetic microseismicity with field data analysis, a comprehensive understanding of damage initiation, progression, and the interactions among discontinuities can be attained. This holistic approach not only advances our comprehension of rock mass behaviour in deep mining operations but also enables more precise predictions and proactive management strategies to mitigate risks. This study delves into the methodology employed for calibrating numerical models, focusing on the geological structures within a deep mine in Canada. The occurrence of significant seismic events in this deep mine is directly linked to fault slip. With mining operations delving deeper, understanding the stress-induced effects of mining and fault movements becomes paramount for ensuring safe ore extraction. Merely incorporating lithological considerations into the numerical model proved to be insufficient to replicate the full behaviour of the rock mass response to seismic activity. Hence, fault structures were integrated into the model. However, due to the volumetric nature of faults with a thickness exceeding 1.5 m, explicit integration was deemed inadequate for accurately representing their behaviour. To address this challenge, a methodology termed the ‘weak zone’ approach was developed. With this approach, faults are characterised as relatively weaker materials compared to the host rock, and the cumulative plastic shear strain is utilised for calculating seismic moment. Historically recorded seismicity served as a crucial calibration tool for determining the mechanical properties of faults within the model. These properties were then appropriately scaled to ensure that the modelled results provided a reasonable estimation of fault behaviours in relation to seismic moment. This comprehensive approach not only enhances our understanding of fault dynamics in deep mining environments but also aids in optimising safety measures for ore extraction.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».