Modélisation d'un bassin d'orage en vue de l'amélioration de la qualité des rivières par la gestion en temps réel
Bibliographic record
Abstract
Pour permettre l’amélioration de l’écohydraulique des rivières en temps de pluie, le développement de règles de contrôle en temps réel de vannes placées à la sortie de bassins d’orage demande une analyse à long terme de différentes options, intégrant la prévision météorologique, la qualité de l’eau de la rivière à l’amont du rejet, le débit de la rivière et la qualité de l’eau dans le bassin d’orage, pour permettre l’amélioration de l’écohydraulique des rivières. Pour cela, l’idéal est de tester ces règles à l’aide d’un modèle intégré du système « bassin versant – bassin d’orage – rivière ». Pour pouvoir faire des simulations à long terme, il faut un modèle de bassin d’orage rapide, qui permette de simuler la qualité de l’eau dans le bassin de façon précise quelles que soient les conditions d’exploitation. L’objet de cette thèse de doctorat a été de développer ce modèle de bassin d’orage. Ce modèle se base sur le principe de couches complètement mélangées superposées permettant de créer un gradient de concentrations pour représenter des phénomènes locaux tel que la pénétration de la lumière influençant la mortalité des pathogènes. Il se base également sur la définition de plusieurs classes de particules caractérisées par leurs vitesses de sédimentation, ces dernières étant déterminées expérimentalement à l’aide de tests ViCAs. Il incorpore également des polluants associés aux particules. L’élément de base, nommé cellule, est défini par une surface et une hauteur maximale au-delà de laquelle il y a débordement. Chaque cellule possède un volume d’eau variable dans le temps, divisé en plusieurs couches superposées, et d’une couche de sédiment de volume constant dans le temps. Pour reproduire le volume d’un bassin d’étude, il est nécessaire de connecter plusieurs cellules les unes avec les autres. Ces connexions se font alors couche à couche ayant comme conditions que les niveaux d’eau de toutes les cellules soient à la même hauteur. Un modèle théorique d’évolution des concentrations en pathogènes incluant des processus complexes comme la croissance, l’adsorption sur les particules et la désinfection par la lumière a également été développé. Le calage du modèle a nécessité la collecte de données expérimentales; des campagnes de mesure ont été effectuées lors des étés 2008, 2009 et 2010 sur le bassin Chauveau de l’arrondissement des Rivières de la ville de Québec. Dans un premier temps, l’efficacité du bassin dans son fonctionnement actuel a été déterminée. Une efficacité moyenne d’épuration de 39% sur les matières en suspension (MeS), de 10% sur l’azote ammoniacal et de 20 % sur le zinc a été mise en évidence. Dans un deuxième temps, la sortie du bassin a été fermée à l’aide d’une structure de bois avec une porte guillotine permettant la rétention de l’eau pendant des durées variables. Cette deuxième configuration du bassin a permis d’améliorer l’efficacité du bassin de façon très importante pour les MeS (90%), l’azote ammoniacal (84%) et le zinc (42%). Des prélèvements ponctuels ont également été faits à l’intérieur du bassin, révélant une hétérogénéité des mesures en MeS entre la zone proche de l’entrée et la zone proche de la sortie, durant les 20 premières heures d’emmagasinement. Le modèle a montré sa capacité à reproduire le comportement de la concentration en matières en suspension à l’aide de 3 classes de particules associées à des vitesses de sédimentation de 80, 2 et 0.1 m/d. La représentation hydraulique du modèle a nécessité l’emploi de 5 cellules pour recréer l’hétérogénéité spatiale révélée par les campagnes d’échantillonnage. Finalement, une fonction de débit de resuspension a permis de modéliser les concentrations à la sortie du bassin d’orage. La validation a confirmé les bonnes performances du modèle pour l’hydraulique et la prédiction des matières en suspension en sortie de bassin. Elle a néanmoins révélé plusieurs points qui nécessiteraient des recherches plus approfondies : la définition du débit de resuspension des sédiments, la détermination de la masse initiale de sédiments dans le bassin, la possibilité d’utiliser plus de cellules pour mieux représenter le comportement hydraulique et l’intérêt de collecter des analyses ViCAs associés à chaque phase du pollutogramme de la pluie (début, pic de débit et fin). Avec ce modèle, les stratégies de gestion en temps réel de la vanne de sortie des bassins d’orage peuvent maintenant être déterminées.
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 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 teacher head, 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".