Évaluation de l’état des dalles en béton armé enterrées
Bibliographic record
Abstract
Dans le souci d’améliorer le réseau de distribution de l'énergie électrique, tout en maintenant l'intégrité de certains sites urbains protégés, plusieurs municipalités du Québec ont choisi d’enfouir leurs fils électriques. Ce type d’installation requiert des chambres de raccordement souterraines afin de réaliser l’entretien du réseau et le câblage. Ces chambres sont typiquement placées à tous les 300 mètres du réseau et sont généralement recouvertes d’épaisseurs de remblai allant de 0,6 m à 1m. L’un des principaux problèmes affectant l’état structural de ces chambres est la dégradation du béton de la surface externe de celles-ci. Dans certains cas, la dégradation peut atteindre une portion non négligeable de l’épaisseur de la dalle, jusqu’à en causer l’effondrement. En plus de présenter un danger pour la population, ces effondrements entraînent des coûts d’entretien élevés pour les propriétaires d’ouvrages. En outre, ces chambres sont difficiles à inspecter par l’intérieur. Cette problématique est d’autant plus importante étant donné la grande quantité de chambres de raccordement souterraines construites par le passé. Dans ce contexte, Hydro-Québec a lancé un programme de recherche visant à faire l'évaluation par des techniques de contrôle non destructif de l’état du béton du toit des chambres de raccordement souterraines. C'est dans ce cadre que s'inscrit cette étude. Le but de notre projet est d'évaluer les capacités de la technique du Géoradar à détecter l’endommagement du béton et, si possible, déterminer l’étendue en profondeur des dégradations dans le béton de ces dalles en béton armé enterrées. Ce mémoire de maîtrise présente la méthode proposée pour atteindre cet objectif. Des simulations numériques ont été réalisées, dans un premier temps, pour établir les limites de l'application Géoradar dans le cadre de notre problématique. Les résultats obtenus ont ensuite été confrontés à des essais réalisés sur des dalles réelles enterrées. Les travaux ont permis de montrer sans équivoque qu'avec le Géoradar, il est possible de déceler la dégradation au niveau des dalles enterrées, lorsque celles-ci se situaient à une profondeur maximale de 75 cm sous un sol de type sableux. Mais, il est encore difficile de pouvoir estimer l’étendue en profondeur de la dégradation, sans connaître l'état initial des dalles.
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 | 0.001 |
| 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 | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".