Analyse et prédiction de séries temporelles multivariées pour la surveillance de la santé d'ouvrages d'art
Résumé
Due to the general aging of our bridge stock, Structural Health Monitoring is increasingly used to monitor the structural behavior of these structures or a portion of their components, and to provide data for bridge structural monitoring. In this paper, we analyze and build on a real-world data set to propose a monitoring method based on a joint statistical model of a set of sensors deployed on the structure. The statistical model is a multivariate linear VAR-like model, regularized by LASSO, which allows the joint use of many sensors. By comparing model’s predictions with the real values, we show that such a model would allow detecting of both sudden anomalies and slow drifts, either on the structure or on the sensors.
La surveillance de l'état des structures comme les ponts est de plus en plus nécessaire et utilisée. Dans cet article, nous utilisons un ensemble de données réelles et proposons une méthode de surveillance basée sur un modèle statistique des données fournies par un ensemble de capteurs déployés sur la structure. Le modèle statistique est un modèle linéaire multivarié de type VAR structurel, régularisé L 1 , qui permet l'utilisation conjointe de nombreux capteurs. En comparant les prédictions du modèle avec les valeurs réelles, nous montrons qu'un tel modèle permettrait de détecter à la fois des anomalies soudaines et des dérives lentes, que ce soit sur la structure ou sur les capteurs.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|