MétaCan
Menu
Back to cohort
Record W3137302381 · doi:10.82308/15797

Factors influencing overbreak in narrow vein longitudinal retreat mining

2011· article· en· W3137302381 on OpenAlexaboutno aff
Rory Hughes

Bibliographic record

VenueeScholarship@McGill (McGill) · 2011
Typearticle
Languageen
FieldEngineering
TopicGeoscience and Mining Technology
Canadian institutionsnot available
Fundersnot available
KeywordsPsychology

Abstract

fetched live from OpenAlex

Limiter le montant de dilution dans le flux de processus est l'objectif de toute exploitation minière. Les méthodes d'exploitation minière en veine mince par retraite longitudinal sont particulièrement sensible à la dilution en raison de la forme élancée des chantiers. Comprendre les facteurs qui influencent la stabilité de ces murs peuvent aider un ingénieur des mines a réduire au minimum la dilution. Cette thèse présente les resultants d'une étude visant à examiner ces facteurs d'influence et révèle les processus utilizes pour construire un modèle empirique permettant d'estimer la dilution pour un chantier spécifique. Ce travail est centré sur une étude de cas de la mine Lapa de Agnico Eagle Mines Ltd, situé à Preissac, Québec. Avoir en sa possession un moyen de bien mesurer et de quantifier la dilution est une partie essentielle de cette étude. Un examen approfondi des différentes techniques est présentée avec le concept de Densité de Dilution choisi comme un moyen de quantifier la dilution. Afin de déterminer les facteurs qui influencent la dilution, une revue de la littérature existante, et les études de modélisation est effectuée. Avec un examen attentif de la pratique des mines et de l'environnement géologique, les plus importants de ces facteurs sont identifiés. Une de ces facteurs, la longueur du chantier dans le secteur minier veine mince retraite, n'est pas exploré par la publication en vigueur, en vue de mieux comprendre ces facteurs un modèle numérique est construit. Avant de construire ce modèle numérique, il est nécessaire a trouver un moyen approprié pour organiser et interpréter la grande quantité de données extraites de la mine. Les données telles que les trous de forage géotechnique, la réconciliation des données du chantier, et les détails de construction du chantier sont intégrés dans une base de données. Nommé le "Data Integrator for Mine Analysis and Design (DIMAND)" le logiciel permet d'accéder facilement à des données importantes et facilite la construction de modèles numériques.Pour bien comprendre l'influence de la longueur du chantier sur la dilution, un modèle numérique est construit. A cause de la géométrie du problème, il est nécessaire d'effectuer l'analyse en trois dimensions. Le code FLAC3D différences finies est utilize pour construire un modèle basé sur les propriétés de la masse rocheuse et constructions chantier présents à la mine Lapa. Avec des comportements adoucissement commune dans les roches et la masse rocheuse Lapa régulièrement soumis à une grande souches, une modèle d'adoucissement de comportement est utilisé dans le modèle FLAC3D. Ce modèle révèle que les grandes longueurs du chantier sont susceptible d'introduire des volumes plus élevés de dilution dans un chantier récemment ouvert alors que la grève des longueurs plus courtes sont moins sujettes à la dilution. Le modèle examine également les effets d'une séquence de retraite sur la profil du dilution, révélant que les chantiers primaires sont légèrement plus enclins au dilution que les chantiers secondaires.Ces études ont contribué au développement d'un modèle empirique qui donne des estimations de dilution. Le développement de ce modèle est étudié en détail à partir des premiers modèles avec des petites groupes de chantiers et des simples constructions mathématiques, le modèle final, qui employait 86 chantiers et des logiciels statistiques pour identifier les relations importantes entre les facteurs en apparence indépendants. Grâce à l'utilisation de ce modèle ingénieurs peuvent maintenant planifier les chantiers avec une connaissance de la façon dont chaque paramètre influence la dilution et de la cote production et planification ils peuvent planifier les objectifs de production avec une confiance accrue.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.089
Threshold uncertainty score0.178

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0030.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

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.

Opus teacher head0.041
GPT teacher head0.216
Teacher spread0.175 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations10
Published2011
Admission routes1
Has abstractyes

Explore more

Same venueeScholarship@McGill (McGill)Same topicGeoscience and Mining TechnologyFrench-language works237,207