MétaCan
Menu
Retour à la cohorte
Enregistrement W4405584120 · doi:10.1177/01466453241283931ap

Radiation protection strategies in high-grade underground uranium mines

2024· article· en· W4405584120 sur OpenAlexaff
K.L. Toews, J. Takala

Notice bibliographique

RevueAnnals of the ICRP · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical and Geomechanical Engineering
Établissements canadiensCameco (Canada)
Organismes subventionnairesnon disponible
Mots-clésUranium mineEnvironmental scienceUranium miningUraniumMining engineeringRadiation protectionRadiation exposureGeologyMedicineMaterials scienceNuclear medicineMetallurgy

Résumé

récupéré en direct d'OpenAlex

Mining high-grade uranium ore in an underground environment presents a number of potential challenges and exposure sources that must be addressed and controlled. Specific sources include radon progeny, gamma, and long-lived radioactive dust (LLRD). Workplace conditions, including grade and proximity to ore, worker positioning, and shielding impact gamma exposure potential, while ground conditions and the presence of radon gas in water can create highly temporal and spatially variable radon progeny conditions. High-grade uranium ore grade also presents a strong source term for LLRD that must be controlled. Cameco has implemented numerous physical and administrative control strategies in an integrated fashion to address these hazards. These controls start at the design of the mine and extend into operational practices. The radiation protection program provides the overall framework that guides the various activities including training of workers and radiation protection staff, dosimetry and engineering monitoring programs, research into better characterisation of hazards, shielding design and administrative controls. Cameco has continued to optimise radiation protection strategies in high-grade underground uranium mining environments over the past two decades and has kept doses well below the national dose limits and implemented numerous ALARA initiatives to further lower doses where practical.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,430
Score d'incertitude au seuil0,243

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0000,000
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 Opus0,026
Tête enseignante GPT0,244
Écart entre enseignants0,218 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of the ICRPMême sujetGeotechnical and Geomechanical EngineeringTravaux en français237 207