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

34 Figure 27 Instrumentation d’un pont suspendu métallique. Les graphiques ci-dessous illustrent les résultats obtenus par des modèles générés par apprentissage sur différents types de capteurs. Les modèles ont été entraînés avec 3 ans de données en apprentissage. Chaque modèle comporte en entrée : les sondes de température, 2 capteurs de joint de chaussée, 1 capteur de sellette et 1 inclinomètre. A noter que les capteurs symétriques aux capteurs modélisés (par exemple, CJ2 est le symétrique de CJ1) n’ont pas été utilisés dans les exemples montrés ci -dessous. Capteurs de déplacement : les Figures 28 et 29 illustrent l es résultats obtenus à l’aide de modèles LSTM générés automatiquement. En raison de la redondance de l’instrumentation et surtou t du fait de fortes corrélations entre les phénomènes observés par les différents capteurs, on remarque une prédiction efficace et un résidu très stable au cours du temps, généralement inférieur à 2 mm pour des variations saisonnières pouvant atteindre 60 mm. Figure 28 Application automat ique d’un LSTM sur un capteur de déplacement .