Modélisation de la variabilité verticale des vitesses dans un modèle hydrodynamique 2D horizontal
Bibliographic record
Abstract
La validation par les vitesses d’un modèle hydrodynamique montre que la variabilité du profil vertical des vitesses a une influence importante sur le résultat. Ici, cette variabilité a été introduite sous la forme d’un terme de dispersion dans un modèle hydrodynamique qui résout les équations de Saint-Venant 2D par la méthode des éléments finis. Nous tentons ensuite de la représenter à l’aide des variables du modèle (u, v, h). Le modèle appliqué à un canal courbe de 270° montre que la variabilité spatiale de la distribution des vitesses est améliorée, que ce soit par la prise en compte de la variabilité mesurée ou par le paramétrage de celle-ci. Une application est effectuée sur la rivière des Escoumins, petit cours d’eau alluvionnaire à la topographie complexe. Les résultats montrent que la modification du modèle de Saint-Venant améliore la description de l’écoulement mais ne suffit pas à représenter correctement celui-ci.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| 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; both teacher heads agree on what is shown here.
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".