Developing site-specific preconditioning blast designs for ultra-deep shaft sinking: A case study from the Onaping Depth project
Notice bibliographique
Résumé
This paper presents numerical modeling simulations that replicate the highly successful preconditioning blasting campaign used during the ultra-deep Onaping Depth shaft construction. The model was calibrated based on field observations and microseismic data collected while sinking the shaft. Due to the brittle characteristics of the rock mass and the high stresses at the depths of construction, strainbursting was a pervasive high-risk problem that frequently occurred on the bench of the shaft as the muck was removed and the shaft bench exposed. The development of a preconditioning blasting strategy became a critical control for mitigating strainbursts and protecting operators working in the shaft. It was also found that one type of preconditioning blast design did not suit all rock masses, and the design had to be modified for the conditions encountered. There are no guidelines for preconditioning blast design for shaft sinking operations. This leads to trial-and-error development of blast designs, which may not provide any benefit if the blast design is not suited to the local conditions. The goal of this study is to use numerical modeling, supported by field observations, to provide substantiated guidelines for preconditioning blast design based on field conditions encountered. The strategies presented are beneficial for managing rockburst risks in deep shaft sinking operations in the future and safeguarding operators while constructing these excavations. • Preconditioning blasting reduced frequent strainbursts in brittle rock under high-stress shaft sinking conditions. • Preconditioning blast designs need to be adapted to different rock masses due to variable ground conditions encountered. • Numerical modeling replicated effective preconditioning blasts used in ultra-deep Onaping Depth shaft construction. • Numerical modeling and field observation data helped create practical guidelines for safer preconditioning blast designs for deep shafts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».