MétaCan
Menu
Back to cohort
Record W3026605349

Élaboration d’un système de prévision hydrologique d’ensemble pour la gestion en temps réel des barrages sur la rivière Shipshaw

2020· article· fr· W3026605349 on OpenAlexaboutno aff
Estelle Reig

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2020
Typearticle
Languagefr
FieldEnvironmental Science
TopicHydrology and Watershed Management Studies
Canadian institutionsnot available
Fundersnot available
KeywordsGeographyHumanitiesCartographyPhilosophy
DOInot available

Abstract

fetched live from OpenAlex

Plusieurs sociétés propriétaires de centrales hydroélectriques basent la gestion de leurs barrages sur le jugement expert. C’est le cas pour Produits Forestiers Résolu (PFR), qui est un producteur de pâtes et de papiers, propriétaire de quatre centrales hydro-électriques sur la rivière Shipshaw (Québec, Canada). Ces centrales répondent autant que possible aux besoins énergétiques de leurs deux usines voisines (Alma et Kénogami). Dans le cadre de cette étude, un système de prévision d’ensemble du débit pour la rivière Shipshaw a été développé et couplé à un modèle de réservoirs. La performance de ce système pour la gestion des opérations sur les barrages a ensuite été comparée à la gestion des réservoirs basée sur le jugement expert, sur la base d’événements passés. L’étude présentée ici vise à vérifier l’hypothèse selon laquelle cet outil d’aide à la prise de décision (correspondant aux deux modèles couplés) permettrait de mieux satisfaire les règles de gestion des réservoirs qu’un mode de décision basé uniquement sur le jugement expert. Le modèle hydrologique HEC-HMS et le modèle de réservoirs HEC-ResSim, tous deux développés par l’USACE (United State Army Corps of Engineers), ont été utilisés car ils répondent aux besoins de PFR : ils possèdent des interfaces graphiques, ils sont gratuits et simples. La difficulté principale de cette étude est qu’aucune mesure de débit naturel (sans barrages) n’existe pour la rivière Shipshaw. Dans un premier temps, les débits ont donc été renaturalisés à l’aide de l’équation de continuité appliquée aux niveaux des réservoirs et aux débits turbinés. Cependant, les résultats ont été jugés non satisfaisants. Pour cette raison, une des innovations de cette étude est l’utilisation de la méthode de régionalisation basée sur la similitude physique entre les sous-bassins de la rivière Shipshaw et des bassins versants jaugés dans un contexte où HEC-HMS fait partie d’un système d’aide à la prise de décision. Une fois le modèle hydrologique calibré à l’aide des bassins versants donneurs, il a été alimenté par des prévisions météorologiques d’ensemble d’Environnement et Changement climatique Canada (ECCC). Ces prévisions sont constituées de 20 membres, avec un horizon de 10 jours et un pas de temps de 6 heures. Les prévisions de débits ont ensuite été utilisées comme entrées du modèle de réservoir afin de produire des scénarios de gestion. La seconde innovation de cette étude est la comparaison des résultats obtenus avec les opérations réelles effectuées. En effet, pour les trois périodes analysées (automne 2010, printemps 2013 et été 2015), cette comparaison démontre la supériorité du système formel mis en place. Ces résultats valident l’hypothèse de départ : l’utilisation de cet outil aurait pu aider à éviter des inondations passées et même augmenter la production énergétique. Plus généralement, cet outil peut permettre au gestionnaire l’anticipation d’événements à une plus grande échelle que lorsque la gestion est uniquement appuyée sur l’expérience. Enfin, la simplicité et la flexibilité de ces deux modèles les rend facilement transférables à d’autres contextes opérationnels où les prévisions sont nécessaires pour compléter la connaissance des experts.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.921
Threshold uncertainty score0.157

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.001

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 head0.010
GPT teacher head0.188
Teacher spread0.178 · 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 source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicHydrology and Watershed Management StudiesFrench-language works237,207