MétaCan
Menu
← Retour à la cohorte
Enregistrement W2938293596

Analyse du potentiel tsunamigénique des glissements de terrain possibles dans une ancienne mine à ciel ouvert à Black Lake, Québec

2016· article· fr· W2938293596 sur OpenAlexaboutno aff
Jonathan Leblanc

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2016
Typearticle
Languefr
DomaineEarth and Planetary Sciences
Thématiqueearthquake and tectonic studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyHumanitiesArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Dans le cadre d’un mandat de recherche confié à l’Université Laval par le Ministère des Transports du Québec et consistant à la réalisation d’une analyse initiale des mouvements de terrain liés à l’exploitation minière et leurs conséquences possibles sur les infrastructures routières et urbaines à Black Lake, ce projet de maîtrise a pour but d’analyser le potentiel tsunamigénique des glissements de terrain actifs sur la paroi est de la mine abandonnée LAB d’Amiante du Canada suite au remplissage actuellement en cours de la fosse. Pour ce faire, le logiciel GeoClaw, basé sur le système d’équations de Barré de Saint-Venant, a été utilisé afin de modéliser numériquement la formation d’un tsunami. Étant donné que la possibilité qu’un tsunami soit généré à Black Lake ne pourrait se réaliser que dans plusieurs années, le modèle utilisé a été tout d’abord validé en l’utilisant pour un cas québécois récent survenu en 2014 au Lac-des-Seize-Îles. La génération d’un tsunami est non seulement fonction du plan d’eau dans lequel il peut se produire, mais aussi du volume impliqué et de la vitesse de déplacement d’une masse en mouvement. Ces paramètres ont donc été préalablement déterminés avant de procéder à l’analyse du potentiel tsunamigénique des divers scénarios possibles le long de la paroi est de la mine. Étant donné les diverses incertitudes inhérentes à une telle analyse prospective, la modélisation numérique de la génération, de la propagation et de l’inondation d’un tsunami a été réalisée par une approche paramétrique, en utilisant les différents scénarios établis par les analyses de stabilité et de la cinématique ainsi qu’un modèle numérique de terrain obtenu à partir de plusieurs levés LiDAR en tant que paramètres d’entrée. De plus, l’effet du remplissage graduel de la fosse, provoqué par l’arrêt des opérations d’exploitation et de pompage, a aussi été évalué pour les divers scénarios. Les travaux ont permis d’identifier, si tel est le cas, le niveau minimal requis dans la fosse pour qu’il y ait atteinte des différentes infrastructures durant l’inondation, et d’ainsi estimer, pour chacun des scénarios, les conséquences potentielles advenant l’accélération soudaine d’un glissement de terrain et la formation d’un tsunami. Les principaux résultats démontrent que si un glissement de terrain avait réellement à se produire, trois scénarios sont potentiellement plus problématiques en termes de conséquences liées à l’inondation des différentes infrastructures. L’infrastructure routière principale du secteur (c.-à-d. la Route 112) serait potentiellement affectée, avec une gravité variable en fonction du niveau d’eau du lac et de la vitesse de mobilisation des glissements de terrain, alors que les infrastructures urbaines du secteur de Black Lake seraient toujours épargnées. Finalement, cette analyse aura aussi démontré l’intérêt d’étendre l’application de cette méthode à d’autres cas récents et historiques au Québec.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,072
Score d'incertitude au seuil0,145

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,010
Tête enseignante GPT0,180
Écart entre enseignants0,169 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)→Même sujetearthquake and tectonic studies→Travaux en français237 207→