Estimation du coût total associé à la production d’eau potable : cas d’application de la ville de Québec
Bibliographic record
Abstract
Une gamme de coûts probables pour l’eau potable distribuée par la ville de Québec, Canada, est déterminée en sommant les coûts annualisés des investissements nécessaires à la reconstruction à l’état neuf des infrastructures d’eau de la ville (conduites d’aqueduc et d’égout, stations de production d’eau potable et stations de traitement des eaux usées) et les coûts annuels d’opération et d’entretien associés à ces infrastructures, puis en divisant le coût total par la production annuelle moyenne d’eau potable sur le territoire de la ville de Québec (106 Mm3/an). La gamme de coûts est obtenue par 50 000 simulations Monte Carlo, en tenant compte des incertitudes sur le coût des divers éléments composant le coût total de l’eau. De cette façon, on calcule un coût total moyen de 2,85 $/m3 et d’écart-type 0,47 $/m3. Globalement, 0,70 $/m3 et 2,15 $/m3 sont respectivement liés, en moyenne, aux coûts d’exploitation et aux dépenses d’immobilisation. Une analyse de sensibilité des résultats montre que le taux d’intérêt et le coût de construction des conduites sont les paramètres ayant le plus d’impact sur le coût calculé. Ce coût s’avère d’ailleurs beaucoup plus élevé que le prix moyen chargé pour l’eau au Canada et au Québec, qui était respectivement de 1,00 $/m3 et 0,49 $/m3 en 1999, mais s’approche du prix moyen chargé en France pour l’eau potable en 2000 (environ 3,33 $/m3 hors taxes), pays où la facture d’eau inclut l’intégralité des dépenses des services d’eau et d’assainissement. La récupération par les municipalités, sous quelle forme que ce soit, de 2,85 $ pour chaque m3 d’eau produit permettrait d’assurer un entretien et un renouvellement adéquats des infrastructures d’eau municipales.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".