1. 引言 (Introduction)
- 背景：介绍了尾矿存储设施（TSF）的设计和运行需要准确预测设施的存储容量和服务寿命，这依赖于对尾矿沉积干密度的准确估计。
- 挑战：在实验室条件下测试得到的尾矿参数与现场实际条件可能存在很大差异，这使得准确预测干密度成为一个挑战。
2. 尾矿沉积 (Tailings Deposits)
- 沉积过程：描述了尾矿作为浆料沉积在存储设施中的过程，包括物料的沉积和固结。
- 干密度调和：讨论了干密度调和的概念，这是用于量化TSF内可用存储空间的程序。
3. 固结分析 (Consolidation Analysis)
- 固结机制：随着TSF的填充，孔隙水压力在尾矿中逐渐建立，随后通过孔隙水压力的释放和相应的垂直变形或沉积来实现固结。
- 分析方法：介绍了基于Gibson等人（1967）开发的一维大应变固结模型的固结沉降估计标准方法。
4. 贝叶斯分析 (Bayesian Analysis of Tailings Deposits)
- 贝叶斯方法：提出了一种基于贝叶斯数据分析的方法来推断尾矿的表征参数，该方法结合了先验知识和不同来源的信息，包括实验室测试数据和现场性能观察。
- 实现：贝叶斯分析在Python中实现，并将固结模型作为响应面（RS）嵌入代码中。
5. 贝叶斯分析结果 (Results of the Bayesian Analysis)
- 参数推断：展示了使用贝叶斯分析从实验室测试数据和现场性能测量中推断参数的结果。
- 模型校准：使用从贝叶斯分析中得到的参数，与现场观测数据比较，以校准固结模型。
6. 结论 (Conclusions)
- 分析价值：贝叶斯分析提供了关于参数变异性和相关性的有价值信息，并有助于识别需要进一步研究的更相关因素。
- 模型改进：通过结合实验室数据和现场性能数据，可以改进尾矿参数的估计，并评估复杂排水条件导致预测和观测沉降之间的差异。
文章的每个部分都详细介绍了如何使用贝叶斯方法来提高尾矿存储设施固结参数估计的准确性，并提供了一个实际的案例研究来说明该方法的应用。
参考文献
Contreras, L.-F., & Llano-Serna, M. (2022). Bayesian Analysis of Consolidation Parameters of a Tailings Storage Facility. Australian Geomechanics Society Sydney Chapter Symposium.
