Risque d'érosion externe des digues maritimes en remblai : principaux résultats du projet Polder2C's, essais grandeur nature, campagnes de reconnaissances et modélisations numériques
Bibliographic record
Abstract
Le projet Polder2C’s a été lancé en décembre 2019 par 12 – aujourd’hui 13 – partenaires avec pour ambition principale d’améliorer la connaissance du risque d’érosion externe pour les digues estuariennes et maritimes en remblai. Grâce à une zone dédiée, des essais grandeur nature de surverse et de franchissement ont été réalisés sur les digues du polder Hedwige et Prosper, à la frontière belgo-néerlandaise, le long de l’Escaut. En parallèle, plusieurs partenaires ont développé des modèles numériques de différentes natures pour décrire et comprendre les phénomènes en jeu. Ces modélisations se sont appuyées sur des campagnes de reconnaissances géotechniques, géophysiques, et des essais de laboratoire, qui ont été conduits dans le cadre du projet. Le papier présente des éléments de conclusion issus des différentes campagnes menées et propose des liens entre les essais in situ, les essais de laboratoire et les modélisations, ainsi qu’une réflexion globale sur la résistance à l’érosion externe des remblais. Une introduction à un outil numérique pour estimer le risque d’érosion externe de digues soumises au risque de franchissement, développé dans le cadre du projet, est finalement proposée. Ce projet a bénéficié du soutien financier du programme 2014-2020 d’Interreg2mers, co-financé par le Fond régional européen de développement sous le contrat de subvention [2S07-023].
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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.
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".