MétaCan
Menu
Retour à la cohorte
Enregistrement W4406149102 · doi:10.3390/mining5010007

A Methodology for Assessing the Impact of In Situ Fractures on the Intensity of Blast-Induced Damage

2025· article· en· W4406149102 sur OpenAlexafffund
Omid Karimi, Marie-Hélène Fillion, Philip Dirige

Notice bibliographique

RevueMining · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensWorkplace Health, Safety and Compensation CommissionLaurentian University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaIAMGOLD
Mots-clésBreakageExplosive materialIntensity (physics)Rock mass classificationGeologyRock blastingStructural engineeringJoint (building)Geotechnical engineeringEngineeringMaterials science

Résumé

récupéré en direct d'OpenAlex

Drilling and blasting is the conventional method used for rock fragmentation in open pit mining. Blast-induced damage can reduce the level of stability of benches and pit slopes. To develop an optimal blast design, an adequate knowledge of the rock properties and in situ fractures is needed. Fractures are generally the paths of least resistance for explosive energy and can affect the intensity of blast-induced damage. Discrete Fracture Networks (DFNs) are 3D representations of joint systems used for estimating the distribution of in situ fractures in a rock mass. The combined finite/discrete element method (FDEM) can be used to simulate the complex rock breakage process during a blast. The objective of this paper is to develop a methodology for assessing the influence of in situ joints on post-blast fracturing and the associated wall damage in 2D bench blast scenarios. First, a simple one-blasthole scenario is analyzed with the FDEM software Irazu 2D and calibrated based on a laboratory-scale blasting experiment available from previous literature. Secondly, more complex scenarios consisting of one-blasthole models at the bench scale were simulated. A bench blast without DFN (base case) and one with DFN were numerically simulated. The model with DFN demonstrated that the growth path and intensity of blast-induced fractures were governed by pre-existing fractures, which led to a smaller wall damage area. The damage intensity for the base case scenario is about 82% higher than for the blast model with DFN included, which highlights the significance of in situ fractures in the resulting blast damage intensity. The methodology for developing the DFN-included blasting simulation provides a more realistic modeling process for blast-induced wall damage assessment. This results in a better characterization of the blast damage zone and can lead to improved slope stability analyses.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,092
Tête enseignante GPT0,381
Écart entre enseignants0,289 · 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'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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMiningMême sujetRock Mechanics and ModelingTravaux en français237 207