Bibliographic record
Abstract
Massé, dans ses deux volumes (1946), discute le problème de la gestion optimale des lâchures dans le cas d'un seul réservoir quand le bénéfice est dérivé de la production d'énergie hydroélectrique. Massé obtint ses résultats à la fois par un raisonnement économique et par une généralisation du Calcul des Variations. Sa méthode lui permit de fournir la preuve rigoureuse de la méthode graphique de Varlet (1923), dite du "fil tendu". Dans cet article on généralise la procédure de Massé au cas où (1) le bénéfice est réalisé bien en aval du point de lâchure, et (2) il y a plusieurs "point-cibles" (points où un certain objectif doit être assuré). Massé avait trouvé que la gestion optimale est celle qui maintient la valeur marginale du bénéfice constante dans le temps, pourvu que la gestion soit en régime libre, c' est à dire tant que le réservoir ne fonctionne ni à plein ni à vide. Par contre si le réservoir fonctionne par exemple à plein, Massé montra que la stratégie qui consiste à garder le réservoir plein ne peut être optimale que si la valeur marginale du bénéfice croît constamment avec le temps durant la période où le réservoir reste plein. On montre de manière rigoureuse dans le cas général que pour une gestion optimale ce qui doit rester constant c' est la valeur marginale future du bénéfice. Dans un article ultérieur on fournira la généralisation pour plusieurs réservoirs.
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 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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.
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".