MAADISON - Modèles par apprentissage automatisés pour la surveillance des ouvrages névralgiques | FEREC 2020

19 Les performances des NARX générés à partir de capteurs divers sont comparées dans le Tableau 1 à celles des RNN. Capteur RMSE RNN RMSE NARX DepP14 (mm) 1.16 0.721 IncP12X (mrad) 0.05 0.031 DepP11W (mm) 0.71 0.782 TensionS25 (kN) 0.11 0.17 Tableau 1 Comparaison RNN vs NARX. Globalement, s’il a été observé une stabilité accrue dans certains cas, le gain en performances des NARX sur les RNN reste marginal . L’architecture retenue est un résea u à 3 couches, un délai de 6h de mesures, entraîné avec la méthode de la desce nte de gradient à taux d’apprentissage variable. Pour les LSTM : les réseaux LSTM utilisés dans cette étude comportent 4 couches, qui sont agencées de la façon suivante : - Une cou che d’entrée , - Une couche de cellules LSTM, - Une couche dense ( Full Connected Layer ), - Une couche de sortie. Même s’il est possible d’empiler les couches LSTM, les cellules LSTM ne fonctionnent pas comme des couches cachées classiques de réseaux à propagation avant. Plusieurs tests ont été effectués en faisant varier le batch size et le nombre maximal d’époque. Le batch size permet de réduire la quantité de données passant dans le réseau pour l’entraînement (et donc de l’accélérer). Une époque correspond au nombre de fois où la totalité des données ont été utilisées pour l’entraînement du réseau. À cette étape, u n batch size de 200 et un nombre d’époques à 50 ont été fixés empiriquement, à partir de la revue de l’état de l’art sur les outils LSTM. L’évaluation a alors porté sur le nombre d’unités cachées. L’état de l’art pour des problé matiques de modélisations de séries temporelles renvoie vers des valeurs empiriques usuelles, de l’ordre de 200. En prenant en compte l’échantillonnage à 1h, cela représente environ 8 jours de données. Différentes valeurs ont alors été considérées : - 10, mémoire journalière (10h), - 200, hebdomadaire (8 jours), - 1000, mémoire mensuelle (40 jours). Les graphiques de la Figure 15 comparent les modèles obtenus pour un des capteurs de tension.