Research and development of real-time monitoring systems for mine tailings dams
Bibliographic record
Abstract
Dans cet article, l’état actuel des pratiques en matière de surveillance des barrages de résidus miniers y est décrit et un résumé des lacunes techniques et opérationnelles cernées grâce à la mobilisation de l’industrie et des intervenants y est présenté. Ces lacunes peuvent être comblées par les technologies disponibles fournies par les fabricants d’instruments commerciaux; toutefois, les coûts et l’absence d’exigences réglementaires peuvent nuire à leur adoption. Une approche intégrée et un ensemble diversifié de technologies s’avèrent donc nécessaires pour régler les problèmes liés à la stabilité des barrages, à la sécurité des travailleurs et du public, ainsi qu’à la protection de l’environnement. Les applications et les limites des capteurs y sont décrites et des exigences de conception sont proposées pour un système de surveillance intégré en temps réel. Le Conseil national de recherches du Canada (CNRC) étudie actuellement l’utilisation de capteurs à fibres optiques distribuées comme solution possible pour permettre une surveillance en temps réel et répartie du rendement des barrages. Les tests de fiabilité de ces capteurs sont en cours. La nécessité pour l’industrie et les organismes de réglementation de participer à la mise au point de systèmes de surveillance intégrés et complets y est également soulignée.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".