ABSTRACT
L’analyse des données de surveillance constitue un élément crucial de l’évaluation de la sécurité des barrages. Dans le cadre de la gestion des barrages vieillissants, il est essentiel de disposer d’outils efficaces d’aide à la détection des anomalies comportementales et des pathologies. Ce rapport présente deux méthodes d’analyse avancées pour détecter les anomalies grâce aux données de surveillance, les deux méthodes visant à améliorer leur interprétation.
Dans le cadre de la gestion des barrages vieillissants, les méthodes d’Apprentissage Automatique sont appliquées aux données de déplacement d’un barrage-poids béton afin d’analyser les données de surveillance et de détecter d’éventuels comportements anormaux. La Régression avec l’algorithme HBRT a permis de prédire ces déplacements et déterminer l’influence de chaque variable d’entrée sur les données. Grâce à ces résultats, un changement dans le comportement dans déplacements a été observé. La Détection de Nouveauté avec l’algorithme Local Outlier Factor a permis de détecter des valeurs anormales évoluant dans le temps, cohérentes avec les résultats de Régression. La combinaison de ces deux méthodes constitue un outil utile pour l’analyse des données de surveillance des barrages et contribuent ainsi à leur gestion.
816La modélisation numérique associée aux mesures réparties de déformation par fibre optique localisées sous le radier d’un canal hydroélectrique fondé sur des matériaux déformables a permis d’étendre l’interprétation de ces mesures, en les traduisant en tassements. Ce type d’approche met en évidence l’intérêt d’instrumenter en mesures de déformation par fibre optique les fondations d’ouvrages sujettes aux déformations ou aux cavités.
