Une aide à la décision pour le choix des interventions en zone inondable
Bibliographic record
Abstract
Cet article a été réalisé dans le cadre d'un projet de trois ans visant à développer une méthodologie d'analyse, de prévision et de contrôle des risques d'inondation au Québec. Il présente une approche concrète pour calculer les impacts potentiels et le risque d'inondation et utiliser ces résultats afin d'évaluer la situation du risque local, de décider si les impacts doivent être minimisés et de choisir les moyens d'intervention appropriés. Le risque d'inondation est considéré comme étant le produit de la probabilité d'occurrence des crues et des conséquences occasionnées par ces événements. Les pertes de vies potentielles et les dommages directs sont évalués en simulant les niveaux d'eau de différents scénarios d'inondation à partir d'un modèle d'écoulement unidimensionnel non permanent, et en intégrant ces résultats à un logiciel géoréférencé de calcul des dommages d'inondation. L'analyse des impacts et du risque calculé permet de dresser un portrait du montant des dommages annuels potentiels sur les sites habités le long du cours d'eau et un portrait de l'évolution des impacts en fonction de l'amplitude des crues. Cette analyse mène à l'identification des sites où existe un risque jugé inacceptable selon des critères préétablis. Pour chaque site où des interventions sont justifiées par le niveau de risque, des scénarios de minimisation des impacts tenant compte des mécanismes d'inondation sont élaborés et ensuite simulés afin d'en mesurer l'efficacité. Un exemple d'application à un site de la rivière Châteauguay illustre la méthode et les gains pouvant découler de son utilisation.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | no category Domain: not available · Genre: Methods About the Canadian research system: no · About a Canadian topic: yes | Simulation or modeling | medium |
| gpt | no category Domain: not available · Genre: Methods About the Canadian research system: no · About a Canadian topic: yes | Simulation or modeling | medium |
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedLabeled directly by 2 models reading the full record.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".