MétaCan
Menu
Back to cohort
Record W2971882419 · doi:10.1201/9780429319778-262

Site effect study of Denis-Perron Rockfill Dam

2019· book-chapter· en· W2971882419 on OpenAlexaboutno aff
Daniel Verret, É. Péloquin

Bibliographic record

Venuenot available
Typebook-chapter
Languageen
FieldEngineering
TopicDam Engineering and Safety
Canadian institutionsnot available
Fundersnot available
KeywordsGeotechnical engineeringGeologyForensic engineeringEngineering

Abstract

fetched live from OpenAlex

Cet article présente une analyse des signaux de séismes et des mesures de bruit ambient réalisées sur le barrage Denis-Perron (SM-3) afin d’étudier les effets de site et la fréquence fondamentale de vibration (FN) de cet ouvrage en terre. Le barrage Denis-Perron est un barrage en enrochement d’une hauteur maximale de 171 mètres et d’une longueur de 378 mètres en crête. Il s’agit du plus haut barrage en terre au Québec. Ce barrage est construit dans une vallée étroite. Des accéléromètres numériques ont été installés sur la crête ainsi que sur l’appui rocheux en rive gauche. La fréquence fondamentale de vibration dans chacune des directions est estimée pour 3 séismes de faibles amplitudes enregistrés en 1999 et en 2002. La réponse du site est également évaluée avec les enregistrements de bruit ambiant. Dix séries de mesures de bruit ambiant ont été effectuées à l’aide de six vélocimètres de type «Tromino» sur le barrage. L’analyse des mesures individuelles ainsi qu’une analyse modale regroupant un ensemble de ces mesures synchronisées entre elles sont présentées. Les modes de vibrations calculés à partir des mesures de bruit ambiant en comparaison à ceux obtenus pour les séismes confirment que l’usage de bruit ambiant offre un grand potentiel pour déterminer avec justesse les modes de vibration d’un grand barrage. En dernier lieu, une analyse modale numérique 3D a permis d’estimer un profil de la rigidité moyenne du remblai du barrage Denis Perron en tenant compte des caractéristiques du site et des modes de vibration du barrage.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: none
GenreCandidate signal: Other · Consensus signal: none
Teacher disagreement score0.784
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.001

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.

Opus teacher head0.005
GPT teacher head0.181
Teacher spread0.176 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designSimulation or modeling
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2019
Admission routes1
Has abstractyes

Explore more

Same topicDam Engineering and SafetyFrench-language works237,207