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

7 I.E. Contenu du rapport Ce document présente les résultats des travaux conduits sur les différents objectifs de développement identifiés dans le paragraphe précédent. Le corps du rapport s’organise en trois parties : Une première partie détaille les résultats obtenus sur la modélisation des séries temporelles à l’aide d’outils « IA ». Plusieurs outils en réseaux de neurones ont été testés pour pallier les limites précédemment identifiées des RNN. Le paramétrage des réseaux de neurones fait l’objet d’une attention particulière, avec l’objectif de proposer un schéma de réseau adaptable aux différentes instrumentations (suivi statique) considérées. Des métriq ues d’évaluation sont proposé es pour qualifier les performances des modèles. Enfin, différentes approches de sélection des données ont été testées. Une seconde partie détaille les méthodes d’analyse et de détection d’anomalie s dans les jeux de données. Ap rès un rappel sur les principes de la détection et l’utilisation du résidu modèle/observations, deux approches élaborée s dans le cadre du projet sont présentées. La première s’appuie sur la découpe automatique du résidu en segments, selon des critères de variance, moyenne ou tendance locale, avant d’utiliser différents tests statistiques pour quantifier l’écart entre les segments. La seconde s’appuie sur l’utilisation d’un test statistique de Student multivarié pour identifier les points de changements et points significativement éloignés sur l’ensemble des résidus d’un capteur. Enfin, la troisième partie présente des cas d ’étude sur lesquels les modèles par réseaux de neurones automatisés ont été appliqués. Quatre ouvrages de natures et problématiques différentes sont étudiés. Sur deux d’entre eux, les stratégies de détection d’anomalies sont appliquées pour en évaluer la p ertinence. Note : dans un souci de confidentialité, tous les ouvrages présentés dans ce rapport sont anonymisés. Les valeurs des capteurs présentées peuvent avoir été transformées.