Modélisation du fonctionnement des biofiltres nitrifiants de la station d’épuration Seine Aval (Siaap)
Bibliographic record
Abstract
\n\t\t\t\tCe projet collaboratif, mené entre le Syndicat interdépartemental pour l’assainissement de l’agglomération parisienne (Siaap) et l’université Laval (Québec) dans le cadre du programme de recherche Mocopée (pour : modélisation, contrôle et optimisation des procédés d’épuration des eaux), vise à développer des modèles mathématiques capables de prédire le fonctionnement des unités de biofiltration des eaux résiduaires urbaines. Il s’agit de prédire les performances vis-à-vis des nutriments et des particules mais également l’évolution de l’encrassement des massifs filtrants. Ce travail est plus particulièrement consacré à l’étape de nitrification tertiaire sur Biostyr et se focalise sur la prédiction de l’encrassement. Le modèle préalablement calibré et validé pour la simulation de l’abattement des nutriments a été utilisé pour simuler l’évolution de l’encrassement mesuré sur les unités de nitrification de Seine Aval (83 filtres de type Biostyr, 1700000 m3/j). Les résultats obtenus pour les simulations des pertes de charge initiales et les pertes de charge horaires sont globalement satisfaisants; les équations d’Ives [1970], utilisées pour modéliser la perte de charge en fonction du volume d’encrassement, semblant donc être adaptées à la biofiltration des eaux usées. Lors de l’étape de calibration, les ajustements nécessaires à l’obtention de prédictions correctes ont concerné : le mode d’extraction du dépôt lors du lavage, les coefficients d’Ergun, les coefficients de filtration y et z et le facteur d’empilement.\n\t\t\t
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| 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".