CorrelTemp - Correction des températures | FEREC 2020

5/23 Méthode Type Nombre de paramètres Variables d’entrées Normalisation des variables d’entrées HSTT Analytique 10 2 Aucune HSTT4 Analytique 14 2 Aucune MLP-HST Réseaux de neurones 39 4 Min-max RF Forêt aléatoire - 10 Aucune LSTM Réseaux de neurones 2392 2*100 Min-max Table 1. : Liste des méthodes utilisées 1.1.1 Modélisation du signal par HST et HSTT Le modèle HST [6, 17] permet d’interpréter les données d’auscultation mesurées, pour la surveillance d’un ouvrage. Il a été développé principalement pour comprendre le comportement des barrages sur le long terme. Cette méthode est basée sur une analyse statistique appelée Hydrostatique-Saison-Temps (HST) et permet de séparer les différentes sources de variation du phénomène étudié. Le modèle HST considère que les mesures brutes peuvent être modélisées par une superposition de trois états : ● Effet hydrostatique (H) : variation réversible du niveau de la retenue. ● Effet saisonnier (S) : influence réversible saisonnière (température). ● Effet temps (T) : évolution irréversible du phénomène au cours du temps On a l’expression de base du modèle HST : Y hst (t) = Y 0 + H(t) + S(t) + T(t) + ε Avec : H(t) = a 1 z(t) + a 2 z 2 (t) + a 3 z 3 (t) + a 4 z 4 (t) S(t) = b 1 sin(θ) + b 2 cos(θ) + b 3 sin 2 (θ) + b 4 sin(θ)cos(θ) T(t) = c 1 τ(t) + c 2 e τ(t) + c 3 e −τ(t) En considérant : z(t) = Z(t) − μ(Z) σ(Z) θ(t) = 2πt 365.5 ( ) = − −