Nom du projet : Modèles par Apprentissage Automatisés pour la Détection des Irrégularités lors de la Surveillance des Ouvrages Névralgiques

Porteur du projet : MANZINI Nicolas (SITES SAS)

Le projet proposé s’inscrit dans la démarche des méthodes dites data-driven pour l’analyse des données d’instrumentation des infrastructures, qui ont pour objectif de permettre la surveillance d’un ouvrage sans avoir recours à un modèle mécanique de celui-ci, optimisant les coûts d’intervention et de surveillance. Ce sujet porte sur l’utilisation de modèles prédictifs réalisés par apprentissage entre les différents capteurs d’une instrumentation pour la détection de comportements inconnus et potentiellement anormaux, et propose une approche basée sur le croisement de différents modèles générés automatiquement pour la localisation des anomalies parmi les capteurs en place.