Impacts des stratégies d'économie d'eau potable sur la chloration secondaire de réseaux municipaux du Québec
Notice bibliographique
Résumé
Ce mémoire porte sur les impacts des stratégies d’économies d’eau potable sur la chloration secondaire de réseaux de distribution d’eau potable (RDEP) à l’échelle municipale. Il présente également une méthodologie pour l’élaboration d’un modèle de prédiction des concentrations de chlore résiduel libre (CCRL) en réseau selon les différentes cinétiques de dégradation. Ce type de modèle permet aux gestionnaires de réseaux de réduire davantage les zones vulnérables en cas de contamination microbiologique de l’eau par un meilleur contrôle sur les CCRL. Une campagne d'échantillonnage sur le terrain a tout d’abord été mené pour mesurer les CCRL d’un RDEP. Les résultats de cette campagne ont permis le calage d’un modèle hydraulique et le calage de modèles cinétiques de dégradation du chlore résiduel libre. Ces modèles ont été jumelés afin d’obtenir un modèle prédictif des CCRL dans lequel la dégradation du chlore a été simulée avec des constantes cinétiques prédéterminées. Le modèle obtenu est utilisé pour simuler les CCRL de différents scénarios de répartition des débits. Ces scénarios correspondent à l’évolution des consommations d’eau de 2011 à 2016. Cette méthodologie a été testée sur trois RDEP du Québec (Canada) avec des populations desservies de 6 900 à 18 700 habitants. Pour ces études de cas, l’augmentation des temps de séjour, reliée à la réduction des débits, a produit une réduction des CCRL en réseau. Pour remédier à la situation, une augmentation de la CCRL à l’entrée des RDEP de 7% à 13% a été requise afin d’obtenir des CCRL similaires en 2016 par rapport à 2011. Cette augmentation pourrait aller jusqu’à 18% avec l’atteinte d’un scénario de gestion optimale de la consommation en eau. Les résultats ont validé la méthodologie développée en lien avec les objectifs visés démontrant ainsi les impacts de la réduction des débits sur la variabilité spatio-temporelle de la CCRL de RDEP à l’échelle municipale.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».