Modèles TCN pour la surveillance des ouvrages de génie civil

Résumé fourni par la source

La surveillance par instrumentation des ouvrages de génie civil requiert des données complémentaires afin de mieux interpréter les comportements observés. Ces informations sont généralement obtenues grâce au déploiement de capteurs additionnels mesurant la température, le rayonnement solaire, l’humidité et la vitesse du vent. Diminuer au possible le nombre de capteurs complémentaires, en particulier pour les ouvrages disposant d’une instrumentation réduite, est un enjeu économique majeur pour assurer la viabilité de cette approche. Les réseaux de neurones artificiels permettent de modéliser des relations complexes entre séries temporelles grâce à des processus d’apprentissage, et constituent ainsi une alternative au déploiement d’un grand nombre de capteurs physiques. Cet article étudie l’utilisation des réseaux convolutifs temporels (Temporal Convolutional Networks, TCN) pour la régression de données d’instrumentation à partir de données externes et publiques et discute de leur potentiel en tant qu’outil d’analyse « clé en main ».

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.