On the Potential of Nuclear Magnetic Resonance for Assessing Water Content and Saturation in Mine Tailings
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nuclear magnetic resonance (NMR) exploits the interaction between atomic nuclei and an external magnetic field. Recent advancements in small-diameter probes have expanded NMR applications for shallow subsurface investigations (<100 m); however, existing efforts in tailings engineering remain scarce. This study evaluates NMR’s potential to characterize water content and saturation in mine tailings. Tailings with varying particle size distributions and mineralogies, along with Ottawa sand and kaolinite, were analyzed using two NMR systems with different signal-to-noise ratios and magnetic fields. The study examines the influence of magnetic susceptibility, mineralogy, gradation, echo time, signal-to-noise ratio, and tailings pond water on NMR measurements. NMR-derived water content and saturation estimates were compared against controlled target volumetric and gravimetric measurements. Results indicate that magnetic susceptibility is a key limiting factor: NMR performed well for paramagnetic tailings with low magnetic susceptibility (<1.0 E-3) but poorly for ferromagnetic tailings with high magnetic susceptibility (>1.9E-2). However, low magnetic susceptibility alone does not guarantee reliable performance, as mineralogy and the presence of elements such as iron (Fe) also play a role. Additionally, the results show that shorter echo times and higher signal-to-noise ratios are beneficial. While gradation and tailings pond water primarily influenced NMR decay curves, they had minimal impact on water content estimates for the examined paramagnetic tailings. Finally, the study conducts error propagation evaluations to assess the degree of confidence in estimating volumetric water content and degree of saturation for different scenarios in tailings engineering.
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.
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) | 0,000 | 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 | 0,001 |
| 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 découle