MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406852507 · doi:10.1016/j.jrmge.2024.12.013

A conditioned discrete fracture network for stability analysis of rock wedge in an open pit mine

2025· article· en· W4406852507 sur OpenAlexafffund
Yilin Zhao, Kamran Esmaeili, Mohammad Rezaei

Notice bibliographique

RevueJournal of Rock Mechanics and Geotechnical Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueRock Mechanics and Modeling
Établissements canadiensUniversity of Toronto
Organismes subventionnairesMitacs
Mots-clésGeologyWedge (geometry)Geotechnical engineeringMining engineeringFracture (geology)Stability (learning theory)PetrologyGeometryMathematicsComputer science

Résumé

récupéré en direct d'OpenAlex

The goal of this research is to develop mine-scale discrete fracture network (DFN) models in which the influence of the spatial heterogeneity of fracture distributions may be investigated on the rock wedge stability of an open pit slope. For this purpose, spatially conditioned DFN models were developed for the pit walls at Tasiast mine using comprehensive structural data from the mine. Using Sequential Gaussian Simulation (SGS), volumetric fracture intensities ( P 32 ) were modeled across the entire mine site in the form of 3D block models. The simulated P 32 block models were used as the input constraints for conditional DFN fracture generation, where the DFN grid dimension is the same as the SGS 3D blocks. The spatially constrained DFN models were further calibrated using aerial fracture intensities ( P 21 ) data from the pit walls, obtained by a survey of the pit walls using an unmanned aerial vehicle (UAV) and measured traces of joints from 3D point cloud data. The final DFN model is expected to honor the fracture intensities gathered through different means with optimal model accuracy. Finally, bench-scale and inter-ramp scale rock wedge slope stability analyses were conducted using the calibrated conditional DFN models. This work proves the significance of conditioned DFN models in rock wedge stability analysis. Such models provide detailed information regarding rock wedge stability so that site monitoring and prevention plans can be conducted with higher efficiency.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,027
Score d'incertitude au seuil0,053

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,012
Tête enseignante GPT0,254
Écart entre enseignants0,242 · 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

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Rock Mechanics and Geotechnical Engineering→Même sujetRock Mechanics and Modeling→Travaux en français237 207→