CorrelTemp - Correction des températures | FEREC 2020

17/23 Figure 7. Signaux de référence : haut (rouge) correspond au signal de température, milieu (vert) représente le signal brut considéré, bas (vert) est le signal corrigé (sans effet de la température) Figure 8. Exemples de signaux avec dégradations simulées se basant sur le signal brut de la Figure 7 (milieu) et contenant respectivement : haut seulement des dégradations de long terme, milieu seulement des dégradations de court terme, et bas plusieurs dégradations de longs et courts termes. Nous prévoyons d’utiliser ces signaux contenant des dégradations simulées pour établir la performance de notre méthode de correction des effets de températures sur différents types de dégradations (capacité de généralisation). Ces travaux sont à réaliser en 2022. 3. Visualisation des degrés de dégradation 3.1 Méthode La méthode, que l’on pourrait nommer « Securiscore » est une stratégie d'interprétation de dégradations (anomalies) pour le domaine de la surveillance de l'intégrité des structures et ouvrages. Cette méthode fonctionne en temps réel et permet de visualiser le degré de dégradation du système étudié : plus le feu est proche du vert, moins il y a d'anomalies détectées, et plus le feu est rouge, plus il y a d'anomalies. La méthode se base sur la déviation entre le signal prédit et le signal corrigé (où l'influence de la température a été retirée). Comme le signal prédit est obtenu à partir d'un modèle entraîné sur les conditions normales (sans anomalies), cela revient à comparer les déviations entre le signal en condition normale et le signal brut pendant la période surveillée. Il convient de noter que comme cette méthodologie de correction se base sur les résidus (comme notre méthodologie de correction de l’effet de la température) provenant de modèles prédictifs, elle comporte une incertitude intrinsèque, en particulier parce que la modélisation du signal n’est pas « parfaite », et se base sur des bases d’apprentissages bruitées. Des méthodes existent pour estimer le degré des incertitudes des modèles prédictifs.