Suivi de systèmes de décantation à flocs lestés
Bibliographic record
Abstract
Pour différentes raisons dont l'amélioration de la santé publique et un souci économique, il est important d'optimiser le fonctionnement des usines de production d'eau potable. Les présents travaux avaient pour objectif l'optimisation d'un système de coagulation, floculation et décantation à flocs lestés qui constitue la première étape de nombreux systèmes conventionnels de traitement d'eau actuels. Le premier sous-objectif de ce projet a porté sur le test d'un outil expérimental, le jartest, réalisé avec du microsable. Cette étude a été réalisée à l'usine de traitement d'eau (UTE) de Québec secteur centre. Le second objectif a visé le suivi ainsi que le développement d'outils d'analyse de données et de performance de deux (2) systèmes réels de décantation à flocs lestés. Dans la première partie de l'étude, les résultats obtenus montrent que les absorbances UV (Abs. UV) des eaux décantées (ED) mesurées en jartests représentent bien les performances en usine mais que cela n'est pas le cas en termes de turbidite. Ces résultats montrent aussi que la reproductibilité des jartests est bonne en termes d'Abs. UV mais qu'elle est mauvaise en termes de turbidite. L'intérêt pratique de tels jartests est donc pour l'instant limité. La seconde étude a été un suivi des systèmes de décantation des UTE de Québec secteur centre et de Charny pendant environ un an. L'analyse des données collectées révèle que l'abattement de la turbidite à l'ED dépend de la turbidite à l'eau brute (EB). qui varie très significativement pendant l'année. Le suivi des comptes de bactéries sporulantes aérobies (BSA) montre que la décantation à flocs lestés permet un abattement des BSA d'environ 1 log, ce qui indique un enlèvement significatif des parasites dans cette première étape de traitement. D'autre part, une modélisation par réseaux neuronaux qui permet une prédiction du dosage d'alun et de chaux a été réalisée. Cet outil pourrait, dans le futur, assister les opérateurs dans les ajustements de dosages de produits chimiques. Une approche pour mesurer la robustesse d'un système de traitement d'eau est également proposée. Cette approche est basée sur un indicateur de performance existant qui est mis en relation avec un nouvel indicateur qui caractérise la variabilité de la qualité de l'affluent. Ce dernier indicateur permet aussi de comparer différentes sources d'eau. Cette approche d'évaluation de la robustesse est appliquée et testée sur l'abattement de la turbidite dans les décanteurs à flocs lestés des deux UTE considérées dans la présente étude.
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 | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".