doi_cfbr_colloque2018_a42
Modélisation du comportement de barrage à l’aide de Réseaux de Neurones Mix
Yifeng Lin et Christine Noret (Tractebel Ingénierie)
Éditeur : Comité Français des Barrages et Réservoirs - CFBR - ISBN 979-10-96371-06-8
Colloque : Méthodes et techniques innovantes dans la maintenance et la réhabilitation des barrages et des digues - Chambéry, France
Année d’édition 2018
Téléchargement : Actes du colloque
Title : Modelization of Concrete Dam Behavior using Mix Neural Network
Résumé
L’auscultation d’un barrage est un sujet crucial pendant toute sa durée de vie, car elle permet de s’assurer de sa sûreté. Des instruments tels que thermomètres, piézomètres, pendules, etc. sont installés pendant la construction du barrage et fournissent des enregistrements en continu pendant plusieurs décennies. L’interprétation de ces informations est vitale pour évaluer l’état de santé de l’ouvrage. Avec les méthodologies actuelles, telles que les méthodes statistiques de type HST, cas particulier des méthodes à régression multilinéaire, il est difficile de prendre en compte en même temps toutes les données d’auscultation. La non prise en compte d’une partie de l’information induit alors une inexactitude dans la modélisation du comportement de l’ouvrage. Cet article a pour but d’étudier l’utilisation de réseau de neurones profond (Deep Neural Network - DNN), pour corréler les données d’auscultation multidimensionnelles et le comportement du barrage, permettant une modélisation plus exacte. Pour mieux s’adapter à la notion de temps et de vieillissement, un concept de "réseau de neurones mix" (appelé "MixNet" ci-après) est proposé et étudié ; c’est une première expérience de combinaison d’un réseau de neurones profond et de régression linéaire multiple.
Abstract
Monitoring of a dam is an crucial issue during its life time, because it allows ensuring the dam safety. Instruments such as thermometer, piezometer, displacement meter etc. are installed during dam construction, and provide continual records during several decades. Interpretation of this information is vital to evaluate the health status of the dam. With the actual methodology, such as the statistic methodes of type HST, a special case of multilinear regression methods, it is difficult to take into account at the same time all of the monitoring data. Not considering of some information induces inaccuracy of prediction of the dam behaviors. This article aims to study the using of Deep Neural Network (DNN) to correlate multidimensional auscultation data and dam behavior, enabling a more accurate prediction. To better adapt to the notions of time and aging, a concept “Mix Neural Network” (called "MixNet" hereafter) is proposed and studied, which is a first experience of combination of Deep Neural Network and multiple linear regression.
Citation
LIN Yifeng, NORET Christine. Modélisation du comportement de barrage à l’aide de Réseaux de Neurones Mix. In Colloque Méthodes et techniques innovantes dans la maintenance et la réhabilitation des barrages et des digues. Chambéry : CFBR - 27,28 novembre 2018. ISBN 979-10-96371-06-8. p. 175-186. doi : 10.24346/cfbr_colloque2018_a42
Voir aussi : Colloque Méthodes et techniques innovantes dans la maintenance et la réhabilitation des barrages et des digues
Cette œuvre est mise à disposition selon les termes de la licence Creative Commons Attribution - Pas d’Utilisation Commerciale – Pas de Modification 3.0 France.