Fusion de données par utilisation des réseaux de neurones ou de la théorie des possibilités (M4-M28) [LMDC]

 

En pratique, la combinaison de plusieurs sources d’informations et leur utilisation dans l’établissement du diagnostic de l’ouvrage s’appuient essentiellement sur du savoir-faire et de l’expérience d’expert. L’objectif est de renforcer ce diagnostic en proposant un outil d’aide à la décision s’appuyant sur des critères objectifs ce qui permettra aux donneurs d’ordre d’avoir une meilleure estimation de l’état de leurs ouvrages.
La fusion d’informations issues d’un ensemble de capteurs constitue une des principales pistes de développement en matière d’amélioration du diagnostic, chaque capteur fournissant, dans une certaine mesure, une information complétant l’information fournie par un autre capteur. Cette démarche n’est intéressante que dans la mesure où le surcoût (en temps et financier) de l’exploration complémentaire est compensé par l’amélioration de la qualité du diagnostic, il est donc nécessaire de la valoriser. Aux informations fournies par les capteurs peuvent s’ajouter d’autres données disponibles et pertinentes pouvant être fournies par des investigations préalables ou bien par le dossier d’ouvrage et bien entendu des constatations visuelles.
La première opération va consister à définir les modes de combinaison optimaux des informations issues de la mesure réalisée par les capteurs ou même d’autres sources, vis-à-vis des objectifs fixés et à rechercher les outils de fusion les plus pertinents. Partant de là et sur la base de données existantes et concaténées dans T4.1. un premier prototype de fusion pourra être construit afin de valider la faisabilité de l’approche. Cette base de données sera ensuite enrichie en cours de projet par les mesures fournies par les capteurs développés et implantés sur les ouvrages mis à disposition. Le prototype initial devra évoluer pour prendre en compte cet enrichissement de la base de données.

Deux types d’outils peuvent être envisagés. Le premier type est constitué par les réseaux de neurones artificiels qui sont des modèles prédictifs multi-variables aptes à gérer des données d’entrée de poids différent. Le second type est la fusion par la théorie des possibilités. Cet outil pourra d’ailleurs également être utilisé dans la tâche T4.3 pour la fusion des images. Les deux outils seront mis à l’épreuve afin de tester leur robustesse vis-à-vis des objectifs visés.