MétaCan
Menu
Retour à la cohorte
Enregistrement W2114357653 · doi:10.1061/40940(307)59

Water Leakage Detection Using Optical Fiber at the Peribonka Dam

2007· article· en· W2114357653 sur OpenAlexaff
Alain Côté, Benoît Carrier, Jean Leduc, Pierre Noël, R. Beauchemin, Mathieu Soares, Christian Garneau, Richard Gervais

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensHydro-Québec
Organismes subventionnairesnon disponible
Mots-clésLeakage (economics)Optical fiberComputer scienceMaterials scienceEnvironmental scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

A monitoring system based on temperature readings using fiber optic cables was designed for leakage detection through possible defects in the cutoff wall of the Peribonka main dam. The system is based on the heat pulse method to measure the apparent soil thermal resistivity. By combining a line heat source with a fiber optic distributed temperature measurement, local analysis of heat transfer can be performed to detect, locate and estimate the leak percolating velocity. Laboratory tests were carried out in clean granular sand having a hydraulic conductivity (kSat) of 10–3 m/s. The apparent thermal resistivity measured with the system decreased from 0.6 m-K/W to negligible values when the Darcy velocity of the percolating fluid was increased from 10–6 to 10–4 m/s. This shows the capacity of the proposed system for detecting leakage in these kinds of soils. Finite element modeling of the experiments shows the same trend. Three hybrid cables were installed in boreholes through the alluvial foundation of the Peribonka main dam by way of boreholes. The cutoff wall is now completed and preliminary measurements indicate no significant seepage.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,998
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,271
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWater Quality Monitoring TechnologiesTravaux en français237 207