Modélisation THMC de la congélation artificielle des terrains : Application à la mine de Cigar Lake
Bibliographic record
Abstract
La congélation artificielle des terrains est utilisée depuis des décennies comme technique de stabilisation et d’imperméabilisation temporaires des terrains pour résoudre des problèmes de génie civil ou minier à moindres coûts. Réussir sa mise en oeuvre nécessite l’utilisation d’outils numériques permettant de prédire l’évolution des parties congelées et la stabilité des terrains. Cette thèse propose une approche de modélisation, élaborée suivant une démarche thermodynamiquement cohérente couplant la thermique, l’hydraulique, la mécanique et la salinité, permettant de simuler la congélation des terrains. Elle inclue un modèle de comportement élasto-viscoplastique, basé sur des essais de laboratoire, capable de prédire la réponse d’un sol congelé. Un nouveau dispositif pour la réalisation d’essais triaxiaux à température et à vitesse de déformation contrôlées a été mis en place à cet effet. Le modèle thermo-hydro-mécanique et chimique a été validé par des essais de gel sur des éprouvettes initialement saturées avec de l’eau pure ou avec une solution de chlorure de sodium à diverses concentrations. A l’échelle de la structure, il a été appliqué au cas de la mine de CigarLake (Canada), à travers des simulations thermo-hydro-mécaniques couplées, qui ont permis de prédire l’évolution de la congélation dans le terrain et d’évaluer son impact sur les déplacements autour des tunnels de production excavés en dessous du massif congelé.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".