MétaCan
Menu
Back to cohort

Modélisation hydrogéologique des aquifères de Paris et impacts des aménagements du sous-sol sur les écoulements souterrains

2013· dissertation· W7144329657 on OpenAlexaboutno aff
Aurélie Lamé

Bibliographic record

Venuenot available
Typedissertation
Language
FieldEarth and Planetary Sciences
TopicKarst Systems and Hydrogeology
Canadian institutionsnot available
Fundersnot available
KeywordsHorstSugar industryNova scotia

Abstract

fetched live from OpenAlex

Comme bien d'autres grandes métropoles construites sur des formations géologiques aquifères, Paris présente une situation hydrogéologique complexe et perturbée.L'imperméabilisation du sol modifie notablement la recharge naturelle des nappes qui se fait alors, principalement, par les fuites des réseaux (voirie, eau non potable, eaux usée …). L'urbanisation intense du sous-sol, qui représente plus de 30 % de la surface parisienne (hors bois de Vincennes et Boulogne), influence les écoulements des aquifères. A cela, s'ajoute le rôle des 20 à 30 millions de mètres cubes d'eau qui son prélevés annuellement dans les nappes phréatiques.Les aquifères parisiens sont surveillés par l'Inspection Générale des Carrières de Paris (Ville de Paris) grâce à un réseau de 305 piézomètres, qui suit en particulier les ouvrages à proximité de la Seine pour anticiper les conséquences d'une crue. La réalisation d'un modèle hydrogéologique du sous-sol parisien permettant d'évaluer les effets de tels évènements et tenant compte des spécificités de l'anthropisation présentait donc un intérêt.Dans cet objectif, un SIG en trois dimensions du sous-sol parisien a, en premier lieu, été construit. Il intègre plusieurs éléments :- La géologie parisienne depuis la craie campanienne jusqu'aux formations tertiaires. 20 000 sondages ont été exploités pour cela.- Les infrastructures souterraines : 20 000 parkings résidentiels et constructions en sous-sol, plus de 140 parcs de stationnement concédés par la ville de Paris, 197 km de galeries du métro souterrain et 46 km du Réseau Express Régional.- Les prélèvements d'eau, en se basant sur les prélèvements annuels déclarés (12 millions de mètres cubes).- Les données piézométriques issues de 669 piézomètres répartis sur Paris et des communes avoisinantes.Avant ce travail, il n'existait aucune représentation synthétique de l'organisation générale du sous-sol de la capitale et de ses aménagements.Un modèle mathématique hydrodynamique s'étendant sur l'emprise de la capitale et de la proche banlieue a ensuite été construit. Ce modèle multicouche comporte 11 couches alternant 6 niveaux aquifères et 5 niveaux semi perméables, discrétisées selon 607 171 mailles carrées de 50 mètres de coté. Au stade actuel, ce modèle a permis la réalisation de simulations exploratoires reproduisant en régime permanent la structure de l'écoulement dans les conditions d'aujourd'hui.

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 imitation

Not 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.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.162
Threshold uncertainty score0.323

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.001
Meta-epidemiology (narrow)0.0010.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.001
Science and technology studies0.0010.001
Scholarly communication0.0010.001
Open science0.0010.001
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.000

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.

Opus teacher head0.030
GPT teacher head0.253
Teacher spread0.223 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2013
Admission routes1
Has abstractyes

Explore more

Same topicKarst Systems and HydrogeologyFrench-language works237,207