MétaCan
Menu
Retour à la cohorte
Enregistrement W4415754029 · doi:10.1016/j.deepre.2025.100219

A review of the geological characterization, classification, modeling, and case studies of anisotropic rock masses

2025· review· en· W4415754029 sur OpenAlexafffund
Ebrahim Ghorbani, Marjan Shahinfar, Abbas Taheri

Notice bibliographique

RevueDeep Resources Engineering · 2025
Typereview
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological Modeling and Analysis
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAnisotropyReflection (computer programming)Rock mass classificationDeformation (meteorology)

Résumé

récupéré en direct d'OpenAlex

Rock anisotropy caused by inherent structures like bedding, foliation, and micro-fractures directly influences strength, deformability, and stress distribution variations. These directional changes can affect the stability of rock engineering practices, such as underground openings and slopes, and dealing with the anisotropic rock masses (ARMs) is one of the significant challenges. The commonly used conventional classifications are solely based on the isotropic behavior of rock masses and are unsuitable for anisotropic ones. Despite the limitations of these classifications, engineers tend to oversimplify the situation and characterize or design the ARMs, ignoring the impact of anisotropy. This study presents a summary of geological conditions, mechanical behavior, and classification systems of ARMs, as well as a review of numerical modeling techniques that may be applicable in the design phase within such medium. ARM Rating (ARMR), or any other type of alternative classification system that considers the directions in which rocks act instead of just their strength levels, can facilitate improved feasibility analysis for complex geological conditions and supporting systems design in ARMs. Moreover, the failure criteria considering the anisotropic behavior reflect the nonlinear development with long-term dependence on rock strength. Such criteria may be applied to numerical methods, such as the discrete element method (DEM), which offers more or less realistic simulations of ARMs' responses. Nevertheless, establishing standard procedures for the characterization, classification, and design of ARMs, especially in deep underground anisotropic conditions, is in high demand.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,047
Tête enseignante GPT0,269
Écart entre enseignants0,222 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDeep Resources EngineeringMême sujetGeological Modeling and AnalysisTravaux en français237 207