Assessment of the flowability and compressive strength of cemented paste backfills composed of muscovite-rich tailings: impact of admixtures
Notice bibliographique
Résumé
The increased prevalence of phyllosilicates such as muscovite in mine tailings and their adverse effects on the compressive strength of cemented paste backfills (CPBs) have recently attracted significant attention. This issue presents challenges for underground backfilling operations, underscoring the necessity for a comprehensive understanding and effective solutions. Admixtures can mitigate the increased water demand and loss of uniaxial compressive strength (UCS) by influencing the binder hydration process and the microstructure of the CPB, which are critical for determining the type and quantity of hydrates formed. This study examines the compatibility of selected admixtures in CPB containing different proportions of muscovite (0, 3, 8 and 18%) and evaluates their effectiveness in enhancing fluidity and compressive strength. The experimental program aims to reveal significant alterations in the mechanical properties of CPB with admixture (A1) at varying dosages (up to 3% by weight of cement). The investigation utilises one type of binder – general use Portland limestone cement (Type GUL) at a fixed binder rate (Bw) of 7%. The findings provide valuable insights into the application of admixtures to counteract the adverse effects of muscovite (phyllosilicate) on: 1) the water demand by decrease it to zero-water demand for low to medium muscovite-rich CPBs and up to 55.4% for high muscovite-rich CPB, 2) compressive strength by helping to gain up to 136% of UCS and, 3) the yield stress by decreasing it up to 58.5% .This article presents the potential of admixture to optimise complex and phyllosilicate-rich CPB mix formulations.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».