La prévision en temps réel des charges de polluants dans un réseau d'assainissement urbain
Notice bibliographique
Résumé
L'objectif principal du présent travail est la prévision en temps réel des charges de polluants dans un réseau d'assainissement urbain. La méthodologie préconisée dans cette étude se base sur deux outils. En premier lieu, le modèle de la courbe de tarage a été utilisé afin d'exprimer la corrélation entre les charges de polluants et les débits de ruissellement. Ce modèle a été sélectionné en raison de sa simplicité et de la disponibilité des paramètres nécessaires pour sa mise en œuvre. L'hypothèse de synchronisme systématique entre les pointes de l'hydrogramme et du pollutogramme dans ce modèle constitue une des faiblesses que nous proposons de surmonter dans le cadre du présent travail. Ainsi, le modèle de la courbe de tarage a été modifié par l'introduction d'un terme de déphasage qu'on identifie en temps réel. D'autre part, la constance des paramètres mis en jeu dans le modèle classique de la courbe de tarage constitue un autre obstacle pour la reproductibilité des phénomènes au cours du même événement et d'un événement à l'autre. Afin de surmonter cette deuxième faiblesse, le filtre de Kalman a été utilisé pour identifier les paramètres d'un modèle dynamique en fonction des erreurs de prévision constatées à chaque pas de temps. La méthodologie a été testée avec succès sur le secteur I de la ville de Verdun du Québec. Le modèle établi a été validé à l'aide de trois critères de performance, à savoir, le coefficient de Nash, le rapport des pointes mesurées/prévues et leur déphasage. Selon ces critères, les résultats trouvés par le modèle dynamique concordent bien avec les mesures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».