Resilient Tunnelling in the Himalayas and Beyond: Lessons from Recent Projects
Notice bibliographique
Résumé
The recent tunnel collapses at Silkyara (Uttarakhand, 2023) and SLBC Tunnel 1 (Telangana, 2025) have reshaped the way underground infrastructure projects are perceived and executed in India. While both incidents were tragic in scale and impact, they have provided critical insights into the gaps that exist in current tunnelling practices—particularly in geological investigations, risk anticipation, contract frameworks, and crisis response mechanisms.This extended abstract analyses these two case studies not only from a technical standpoint, but also from the broader lens of resilient engineering. At Silkyara, the collapse during re-profiling exposed the underestimated complexity of a shear-dominated zone and led to a dramatic 17-day rescue mission. At SLBC, a sudden inflow of water and debris caused the submergence of a TBM, bringing to light the risks of advancing through shear zones with limited predictive confidence.In both cases, the aftermath triggered a re-evaluation of excavation methods, safety protocols, and planning culture. The move from TBM to Drill and Blast (D and B) at SLBC, the application of real-time monitoring and GBRs at Silkyara, and the eventual incorporation of Aerial Electromagnetic (AEM) surveys reflect a transition toward adaptive, site-specific resilience in tunnel engineering.The paper concludes by synthesising the lessons learnt into actionable engineering strategies and policy recommendations for future projects in the Himalayas and beyond. It proposes that true resilience lies not just in reacting to failure but in anticipating it—and designing systems robust enough to prevent it or recover from it swiftly.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».