Évaluation de l’incertitude due au modèle de représentation du réservoir dans les analyses de rupture de barrageLe présent ouvrage fait partie d’une série d’articles publiés dans ce numéro spécial consacré au génie hydrotechnique.
Bibliographic record
Abstract
Le présent article analyse l’impact du modèle de représentation de la vidange du réservoir sur les résultats de modélisation numérique de rupture de barrage. Le modèle à représentation statique à l’aide de la courbe d’emmagasinement est comparé à celui à représentation dynamique à l’aide d’un modèle de Saint-Venant utilisant la bathymétrie du réservoir. La comparaison est basée sur l’hydrogramme à la brèche, les niveaux maximaux, les surfaces inondées et les temps d’arrivée de l’onde à l’aval pour trois cas de réservoir de tailles différentes. Il ressort que la différence entre les deux modèles de représentation est maximale à la brèche et à l’aval immédiat du barrage, notamment pour le niveau maximal et la surface inondée, et qu’elle s’estompe plus loin à l’aval. L’analyse des résultats de simulation des cas étudiés montre que le modèle statique surestime les rehaussements atteints ainsi que la surface inondée à l’aval du barrage dans une proportion qui peut atteindre 20 %. L’utilisation d’un modèle dynamique de représentation du réservoir peut permettre de réduire de 30 % à 40 % ces surestimations. En l’absence de données bathymétriques du réservoir, la reconstitution de données synthétiques reproduisant la courbe d’emmagasinement pour servir de base à un modèle dynamique du réservoir est examinée. Il apparaît que cette solution peut réduire de façon appréciable l’incertitude due à la représentation statique.
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 | 0.005 |
| 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 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".