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

45 Figure 53 Résidus obtenus pour le scénario #1. Figure 54 Étiquettes obtenues pour le scénario #1. On observe que, malgré des entrées différentes, la majorité des scénarios présentent des résidus avec des ordres de grandeur similaires, même si l’on constate des faux positifs sur certains modèles : - Pour le modèle #1, cette période survient en été, ce qui peut s’expliquer par le fait que les mouvements quotidiens attendus sont plus grands, favorisant les erreurs qui restent proportionnelles aux mouvements quotidiens mais dont l’amplitude absolue augmente ; - Pour le modèle #5, en été un pic est observé, une erreur attribuable à la précision globale du modèle. La série a été découpée en trois segments, dont un segment court en été, cependant on remarque également que le troisième segment (à partir de septembre 2020) est également identifié comme anormal par cette méthode. La limite entre ces deux segments est indiquée en rouge sur la figure. Le test de Student utilisé est probablement un peu trop sensible, et la p-value seuil peut être ajustée.