Uncertainty of discharge measurement using salt dilution
Notice bibliographique
Résumé
<p>Discharge measurement using salt dilution is an old method, but it has been recently more and more used thanks to the development of new sensors making it possible to measure conductivity and compute discharge in real-time. Salt dilution is very well suited for turbulent rivers, such as mountain streams. The ISO standard ISO 9555 propose a normative framework to estimate uncertainty, but it was published in 1994 and is now obsolete for new sensors and computational capabilities. In this article, we propose a complete framework to compute the uncertainty of a salt dilution gauging following the GUM (Guide to the expression of uncertainty in measurement) method that take into account the following error sources:  (i) the uncertainty in the mass of salt injected, (ii)  the uncertainty in the measurement of time, (iii) the uncertainty in the Conductivity to Concentration law, (iv) the uncertainty if a measurement conductivity is out of the range of the Conductivity to Concentration law, (v) the uncertainty in the computation of the area under the conductivity curve, (vi) the uncertainty due to a not perfect mixing of the tracer if the mixing length between injection and the probes is not reached (vii) the uncertainty due to a loss or a gain of tracer between the injection and the probes if tracer can be adsorbed for example and (viii) the uncertainty due to unsteadiness of the flow  i.e. variation of discharge during the measurement. The method for computing each uncertainty source is presented and the new framework is applied to a set of real measurements and compared to the expertise of field hydrologists.</p>
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».