Développement d’un outil, par simulation numérique, d’aide à la décision pour le positionnement des éoliennes en terrain complexe
Bibliographic record
Abstract
Le secteur de l’éolien est en croissance au Québec et les terrains plats sont de plus en plus rares. Cependant, la ressource éolienne est encore loin d’être exploitée à sonmaximum. Les sites potentiels pour de nouveaux parcs éoliens sont de plus en plus situés en terrains complexes. Les outils linéaires traditionnels d’aide à la décision dans le positionnement des éoliennes, comme WaSP Engineering, sont, alors, hors de leur limite d’utilisation. Ce mémoire porte sur la simulation de la couche limite atmosphérique par la méthode des volumes finis et le développement d’un outil de post-traitement. Il s’inscrit dans les efforts déployés pour mieux comprendre et extraire la ressource éolienne des terrains complexes. Dans cet outil, la norme IEC 61400–1 est utilisée pour déterminer certains paramètres pertinents pour le secteur de l’éolien à partir de simulations avec un modèle de turbulence à deux équations. Les simulations effectuées sont comparées à des mesures en soufflerie. Les résultats de l’outil développé sont également comparés aux résultats de WaSP Engineering. La méthode proposée apporte une amélioration par rapport à WaSP Engineering sur l’évaluation des paramètres d’intérêt en terrains complexes.
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
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 | 0.003 |
| 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 | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".