A new dynamic stormwater basin model as a tool for management of urban runoff
Bibliographic record
Abstract
Afin d'améliorer la qualité des rivières, tout en garantissant la sécurité des populations, le projet auquel se rattache l'étude présentée dans cet article tente de définir des règles de contrôle en temps réel pour la gestion de bassins d'orage équipés de vannes en sortie.Ces règles doivent permettre d'augmenter le temps de rétention de l'eau dans le bassin et ainsi permettre une décantation des particules les plus petites et des polluants associés.Pour cela, un nouveau modèle dynamique de bassin d'orage a été développé pour simuler le comportement des différents polluants associés aux particules.Ce modèle se base sur la superposition de couches complètement mélangées et inclut le comportement et les processus reliés aux polluants associées aux particules, dépendant notamment des différentes vitesses de sédimentation de ces dernières.Après la description du modèle, les résultats de simulation d'essais ViCAs, représentant les comportements des particules en conditions quiescentes sont présentés.Ces simulations ont permis de valider les concepts développés.Par la suite le comportement dynamique de quatre types de polluants dans des conditions hydrauliques plus contraignantes est décrit, avant de conclure sur les perspectives que peut offrir le modèle en termes de rapidité de calcul et de complexité des processus modélisables.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".