MétaCan
Menu
Retour à la cohorte
Enregistrement W4408220704 · doi:10.1016/j.gsme.2025.02.002

Stability analysis and strength optimization of cemented tailings backfill in high-temperature mining

2025· article· en· W4408220704 sur OpenAlexaff
Chao Zhang, Jinping Guo, Weidong Song, Yuye Tan, Abbas Taheri, Xiaolin Wang

Notice bibliographique

RevueGreen and Smart Mining Engineering · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensQueen's University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésTailingsGeotechnical engineeringStability (learning theory)Environmental scienceMining engineeringGeologyMaterials scienceMetallurgyComputer science

Résumé

récupéré en direct d'OpenAlex

To investigate changes in stope stability and cemented tailings backfill (CTB) strength during deep metal mine mining using the filling method in a high-temperature environment, this study analyzed the temperature and mechanical characteristics of the stope via numerical simulations. The optimal CTB mix ratio at different mining depths was determined, and the corresponding safety control measures for deep metal mine filling mining were proposed. Results show that the coupled effect of the temperature field and hydration heat release during deep filling mining complicate the stope environment. Owing to the difficulty in heat dissipation in the middle of the bulk CTB in the stope, the internal temperature of the CTB increases significantly within a short duration. Moreover, the rapid heat conduction around the CTB caused by its direct contact with the surrounding rock causes the temperature field to distribute from the center to the periphery. Throughout the sublevel mining process, the CTB temperature field exhibits the following change pattern: stable → rapidly increasing → slowly decreasing → rapidly increasing → slowly decreasing to stable → slowly increasing → slowly decreasing to stable. A comparison of test results obtained from pillar mining simulations show that the coupled temperature–stress model exhibits greater stability and safety than the single mechanical model. The CTB provides better support under the coupling effect, thus enhancing its mechanical properties under high temperature. A safety factor is introduced for the quantitative analysis of slope stability. The optimal CTB mix ratio at different mining depths is determined via safety factor iteration and economic comparison analysis. Subsequently, a reasonable temperature control scheme was designed, which offers insights into high-efficiency mining while ensuring CTB stability under high temperature.

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 enseignants0,182
Score d'incertitude au seuil0,650

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,006
Tête enseignante GPT0,176
Écart entre enseignants0,170 · 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreen and Smart Mining EngineeringMême sujetTailings Management and PropertiesTravaux en français237 207