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

Rapport de projet - MAADISON - Modèles par apprentissage automatisés pour la surveillance des ouvrages névralgiques	1
Sommaire du rapport	2
I. Contexte et objectifs du projet	4
I.A. Rappel de l’appel à projet	4
I.B. Contexte global	4
I.C. Contexte technique et scientifique	5
I.D. Objectifs du projet	7
I.E. Contenu du rapport	8
II. Prédiction de la réponse de l’ouvrage à l'aide de modèles "IA"	10
II.A. Principes	10
II.B. Outils considérés	11
II.C. Paramètres évalués	13
II.D. Métriques d'évaluation	14
II.E. Évaluation sur les données d'un ouvrage	14
II.F. Synthèse	23
III. Détection d’anomalies à l’aide de modèles IA	24
III.A. Détection d’anomalies à partir de modèles prédictifs	24
III.B. Détection de points de changement par maximum de vraisemblance pénalisé couplé à des tests statistiques a posteriori	26
III.C. Démarche de « test multivarié »	30
III.D. Synthèse	32
IV. Cas d’étude	34
IV.A. Application des modèles prédictifs par IA	34
IV.B. Test des outils de détection	43
IV.C. Synthèse	52
V. Bilan	54
V.A. Bilan du projet	54
V.B. Participation de la FEREC	55
VI. Références	56
VI.A. Références sur le sujet IA / outils de modélisation	56
VI.B. Références sur la thématique tests statistiques/détection automatisée	57
Annexe I : Analyse des effets du gradient thermique sur le pont extradossé	60

RkJQdWJsaXNoZXIy MTIzMTM=