SIMULAÇÃO DE ROMPIMENTO DE UMA BARRAGEM DE REJEITOS INDUSTRIAIS DE FERTILIZANTES EM ARRAIAS, TOCANTINS, BRASIL
Bibliographic record
Abstract
Barragens são estruturas versáteis utilizadas para diversas finalidades, inclusive a contenção de rejeitos decorrentes da atividade de mineração. Nos últimos anos, o rompimento dessas estruturas se tornou um fato recorrente no Brasil, com destaque para os desastres de Mariana e Brumadinho, que acarretaram impactos ambientais irreversíveis e perda de centenas de vidas. Isso vem mostrando o quanto a aplicação de modelos computacionais para prever cenários ocasionados pelo rompimento de barragem, é muito apropriada para antecipar as consequências do rompimento de barragens e balizar os planos de ação de emergência de barragens. No estudo realizado para a barragem de rejeitos da Itafós Arraias Mineração e Fertilizantes S.A., utilizou-se o HEC-RAS que incorpora a modelagem do rompimento de barragens de fluidos não newtonianos, combinado com o ArcGIS, modelo digital de elevação ALOS PALSAR e outros dados biofísicos da área de influência da barragem. A simulação do comportamento da onda de cheia foi por rompimento do tipo piping, com os resultados mostrando uma área de inundação 484,02 ha, profundidade máxima de 19,78 m, velocidade máxima de propagação da onda de 13 m/s e vazão máxima 2.619,25 m3/s (Seção 1), e as possíveis interferências/impactos em paisagens naturais, áreas de uso antrópico e obras públicas.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".