MétaCan
Menu
Retour à la cohorte
Enregistrement W4408728186 · doi:10.1061/jggefk.gteng-13066

Tailings Dam Performance Monitoring by Combining Coda Wave Interferometry with Distributed Acoustic Sensing

2025· article· en· W4408728186 sur OpenAlexaffabout
Susanne Ouellet, Jan Dettmer, T. Dylan Mikesell, Matthew Lato, Martin Karrenbach

Notice bibliographique

RevueJournal of Geotechnical and Geoenvironmental Engineering · 2025
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Waves and Analysis
Établissements canadiensBGC Engineering (Canada)University of CalgaryAdidas (Canada)
Organismes subventionnairesnon disponible
Mots-clésCodaGeologyInterferometryGeotechnical engineeringTailingsTailings damSeismologyMaterials scienceOptics

Résumé

récupéré en direct d'OpenAlex

Advances in distributed fiber optic sensing technologies are enabling new methods to monitor changes in tailings dam performance. Distributed acoustic sensing (DAS), a distributed fiber optic sensing technology relying on Rayleigh light backscattering, can provide continuous spatial and temporal coverage along the length of a fiber optic cable extending tens of kilometers. In 2019, nearly six kilometers of fiber optic cable were installed at ∼1 m depth along an active upstream tailings dam in northern Canada. DAS seismic data were acquired at 400 Hz over a four-month period, from April to August 2021. We applied coda wave interferometry to a 120 m cable segment to obtain relative changes in seismic velocities (dv/v). Such coda waves are typically dominated by Rayleigh surface waves and dv/v can be used as a proxy for shear wave velocity changes. The dv/v estimates decrease by up to ∼1.9% over an initial two-month period of spring thaw and rainfall. Subsequently, dv/v recover by ∼1%, and generally show an inverse correlation with tailings pond levels up until the end of data acquisition. This correlation is supported by a known power-law relationship between shear wave velocity and effective stress. Rayleigh surface wave sensitivity kernels incorporating nearby seismic cone penetration testing data are used to estimate the approximate depths of dv/v sensitivity at ∼10 m. Despite active construction causing noise contamination, we obtain stable cross-correlation waveforms with as little as one hour of data per day. Overall, our results demonstrate how DAS can be used to augment geotechnical monitoring networks by providing in situ estimates of dv/v to inform changes in tailings dam performance over time.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,003
Tête enseignante GPT0,161
Écart entre enseignants0,158 · 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'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Geotechnical and Geoenvironmental EngineeringMême sujetSeismic Waves and AnalysisTravaux en français237 207