MétaCan
Menu
Retour à la cohorte
Enregistrement W4402651365 · doi:10.1051/e3sconf/202456919006

Approach to tailings facility liner configuration selection: A case study

2024· article· en· W4402651365 sur OpenAlexaff
Dan Hughes-Games, Kate Patterson, Len Murray, Cole Mrak, R. Kerry Rowe

Notice bibliographique

RevueE3S Web of Conferences · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueLandfill Environmental Impact Studies
Établissements canadiensQueen's UniversityKlohn Crippen Berger (Canada)
Organismes subventionnairesnon disponible
Mots-clésTailingsSelection (genetic algorithm)Environmental scienceMining engineeringWaste managementGeologyComputer scienceEngineeringMetallurgyMaterials scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

What liner configuration should you use for a tailings facility? Do you need a geosynthetic liner? Should you include overdrains above your liner? This paper presents an approach to answer these questions for a case study tailings facility in a semi-arid environment. The case study project includes a performance criterion that the seepage flux be limited below the impoundment. Four liner configurations were shortlisted, and the efficacy of each arrangement compared with numerical modelling. The configurations are: (1) tailings directly over a liner, (2) tailings on an overdrain system over a liner, (3) tailings on an overdrain system over a blinding layer over a liner, and (4) sealing the foundation with tailings slimes (i.e., no geosynthetic membrane). This paper also presents estimates of the longevity of an HDPE liner system, as this is vital in assessing performance over very long time periods. Seepage and consolidation modelling results indicate that overdrains do not improve the potential to meet the performance criterion and overdrains have a limited post-closure consolidation benefit. All configurations with geosynthetics indicated the liner system would function adequately during the period prior to geosynthetic membrane degradation. The slimes sealing case was shown to not provide an adequate impedance to flow.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,031
Tête enseignante GPT0,273
Écart entre enseignants0,243 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueE3S Web of ConferencesMême sujetLandfill Environmental Impact StudiesTravaux en français237 207