MétaCan
Menu
Retour à la cohorte
Enregistrement W4412117832 · doi:10.1139/cgj-2025-0017

Deformation and Failure Characteristics of Sublevel Tunnels under Triple-Level Combined Backfill Mining in Steeply-Dipping and Ultra-Thick Orebodies

2025· article· en· W4412117832 sur OpenAlexvenueno aff
Longzhe Yu, Wenjie Wang

Notice bibliographique

RevueCanadian Geotechnical Journal · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueGeomechanics and Mining Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeotechnical engineeringGeologyDeformation (meteorology)Mining engineering

Résumé

récupéré en direct d'OpenAlex

Under triple-level combined backfill mining (TLCBM), sublevel tunnels in steeply-dipping and ultra-thick orebodies experience severe deformation and failure, posing significant safety challenges. Based on the field investigation, deformation monitoring, stress measurement, and numerical calculation, this study analyses the deformation behaviour, surrounding rock failure, and stress distribution of sublevel tunnels. A theoretical model is developed to reveal the deformation and failure mechanisms, and targeted engineering countermeasures are proposed. Results show that tunnels deform rapidly and continuously, with damage mainly occurring in the sidewalls and roof. The tunnel cross-section evolves into an asymmetric butterfly shape. The probability and intensity of future deformation and failure are positively correlated with the current damage state. Damage exhibits spatial variability: the near-disturbed side is more affected than the far-disturbed side; vertically, the middle tunnel is the most damaged; horizontally, tunnel ends are more affected than the middle. The damage process follows nine distinct stages. TLCBM places tunnels in a high-stress environment and shifts the highest stress from the lower to the middle sublevel tunnel. Disturbed stress is the dominant factor driving tunnel damage. Variations in disturbance distance lead to spatial variability in tunnel damage. These findings support tunnel design, reinforcement, and risk management in similar mines.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,195
Écart entre enseignants0,182 · 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'étudeObservationnel
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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeomechanics and Mining EngineeringTravaux en français237 207