Influence of heterogeneity on the hydro-thermal behavior of an embankment dam
Bibliographic record
Abstract
Cette thèse contribue au domaine de la modélisation numérique de l’influence de l’hétérogénéité sur le comportement hydro-thermique d’un barrage en remblai. Les conductivités hydrauliques à saturation des couches du noyau de barrage sont estimées par la méthode géostatistique en considérant la continuité spatiale de la teneur en particules fines, la teneur en eau et la densité sèche. Les valeurs plus faibles de conductivités hydrauliques dans la partie aval du noyau sont fournies à partir de la modélisation numérique de la dissolution, de transport, de l’exsolution, et de la diffusion du gaz à la frontière amont du noyau. Les conductivités hydrauliques à saturation prédites ainsi que les valeurs les plus faibles de conductivités hydrauliques non saturées dans la partie aval sont utilisées comme paramètres d’entrée dans la simulation numérique de l’influence de l’hétérogénéité. Cinq études paramétriques ont été effectuées avec la présence d’une ou plusieurs couches dans le noyau, incluant des valeurs variables de conductivité hydraulique, afin d’étudier l’influence de la variabilité de la conductivité hydraulique ainsi que de l’emplacement et l’épaisseur de couches perméables face à la réponse thermique. Le modèle numérique permet également de simuler la réponse thermique mensuelle du noyau, ce qui révèle l’existence d’une autre zone plus perméable dans la partie inférieure du noyau.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| 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".