SENSO – Bordeaux 15 et 16 mars 2007

Slides:



Advertisements
Présentations similaires
L’échantillonnage & Ses Fluctuations
Advertisements

Résolution Graphique d'un Programme Linéaire
A l’issue des conseils de classe de 3ème,
FORMATION DE FAISCEAU.
Le compte de résultat prévisionnel
Prix inter facultés de dispensation d’ordonnance 4ème édition 2011
STATISTIQUE INFERENTIELLE L ’ESTIMATION
Introduction to Impact Evaluation training HSRC, Pretoria, South Africa April 10, 2008 Induction Causale Florence Kondylis Initiative pour lévaluation.
RENDU DE TERRAIN Problématique : Rendre une très large zone de terrains en la simplifiant au maximum pour réduire le nombre de polygones à afficher. A.Bailly.
Test statistique : principe
Travail Marie Françoise Fabre
Story-board version 1.1 Statut : à valider Rédacteur : Nicole Djuissi
Collecte de données F. Kohler.
Comparaison d'une distribution observée à une distribution théorique
1. Les caractéristiques de dispersion. 11. Utilité.
Performances 1 Évolution : Performance. Performances 2 Évolution : Mémoire.
La cinématique des fluides
Fiche méthode : Réaliser un graphique
Fusion de données SENSO
SENSO Réunion 3Nantes 25 octobre 2006 Fusion de données appliquée au cas du béton.
Projet SENSO Thermographie infrarouge Résistivité électrique Réunion de travail Nantes le
Laboratoire Inter-universitaire de Psychologie Cours 6
1 Introduction : Quelles méthodes & techniques de collectes de données ? => Construction méthodologique à partir dinstruments empruntés à divers domaines.
On a trouvé par utilisation de la relation de conjugaison que …
SOUS-TRAITANCE POWERPOINT
Mesures et incertitudes
Présentation: NGOK Emmanuel Expert en comptabilité nationale AFRISTAT
CHAPITRE 17. LA SEGMENTATION
Dilatation des durées Temps propre
Chapitre 2 : Matrice de répartition (S)
Les traitements croisés
la statistique descriptive se compose de 3 domaines distincts :   
INNOCOMMERCE Pour une politique dinnovation active pour le commerce en Europe Bruxelles, 19 septembre 2006 Le Catalogue des Bonnes Pratiques en matière.
Algorithmique et Programmation
BétonlabPro 3 Leçon N°0 PRÉSENTATION DU COURS
Dilatation des durées Temps propre
Etude longitudinale d’essais multilocaux: apports du modèle mixte
Chap 4 Les bases de données et le modèle relationnel
Groupe 1: Classes de même intervalle
Distribution de charge dans InP
A Post-Bac Portail unique dmission. PORTAIL UNIQUE Admission Post-Bac Infos utilisateurs Visionner le diaporama.
Partie 1: Ondes et Particules.
Caractère précieux et rarissime du matériel fourni: Sédiments actuels marins profonds Le matériel fourni provient de carottages réalisés sur le fond de.
LE CHOIX DU CONSOMMATEUR ET LA DEMANDE
Plan Problématique Fautes de délai Techniques de test « at-speed »
DESIGN D’ÉCHANGEURS STRUCTURÉS, CFD ET MILIEUX POREUX
Distribution de charge dans ZnTe
Les fentes multiples Méthode semi graphique d’addition d’ondes. La méthode trigonométrique n’est pas commode dans le cas de 3 sources ou plus, ou si les.
Position en fonction du temps
Excel (Partie 2).
Correction exercice 17 p 296 Peut-on parler d’une mole d’air
Estimation de la valeur génétique du Pur-Sang Anglais en République Tchèque Franey Anne Frisée Vincent Vanloocke Denis.
Technique de points de contrôle: Formes de Bézier
Équipe 2626 Octobre 2011 Jean Lavoie ing. M.Sc.A.
Mesures dans le temps Claude Marois 2012.
Présentation de la méthode des Eléments Finis
Joseph CHONG, Mauduit Pergent
Master 1 – Sciences du Langage –
1 / 23 GDR-ISIS Avancées en fusion de données Paris 11 février 2010 Fusion de données appliquée à l'END du béton V. Garnier M.A. Ploix J. Moysan D. Breysses.
Circuit RLC série en régime harmonique forcé
( ) Collège de Maisonneuve
Post-optimisation, analyse de sensibilité et paramétrage
ETUDE DE PRIX.
Échantillonnage (STT-2000) Section 5 Types d’erreur de sondage. Version: 22 août 2003.
Analyse des données. Plan Lien entre les statistiques et l’analyse des données Propagation des erreurs Ajustement de fonctions.
Mesure du dosage en eau dans le malaxeur
Comparaison multi-échelle des précipitations du modèle Méso-NH et des données radar Colloque CNFSH – Ecole des Ponts ParisTech – 11/12 juin 2009 A., Gires.
Validation d’une méthode d’analyse
1_Introduction Toute mesure est entachée d’erreur. Il est impossible d’effectuer des mesures rigoureusement exactes. Pour rendre compte du degré d’approximation.
ECHANTILLONAGE ET ESTIMATION
Transcription de la présentation:

SENSO – Bordeaux 15 et 16 mars 2007 Analyse des données obtenues lors de la première campagne de mesures Denys Breysse (Univ. Bordeaux 1) SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Objectifs : On dispose d’observables Xi, et on souhaite caractériser les variables dj (indicateurs) dans le matériau Procéder à une première analyse des observables Xi pour établir une méthodologie d’exploitation des mesures “au-delà” de la simple acquisition et voir comment on pourra estimer dj (et avec quel degré de qualité) SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Méthode : (1) Étudier, pour chaque observable, dans quelle mesure il est utile (2) Étudier le potentiel informatif de chaque observable (3) Sélectionner des observables (4) Etudier dans quelle mesure (et comment) les observables peuvent être combinés Dans tous les cas, il ne s’agit que d’un premier débroussaillage Les observables “les meilleurs” pour cette campagne ne le seront pas forcément par la suite. SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Quelles sont les incertitudes associées à la mesure d’une valeur particulière de la propriété X (observables) ? Incertitudes liées : - à la répétabilité de la technique - à la variabilité du matériau : spatiale – reproductibilité Quelles sont les incertitudes associées à l’estimation de d (porosité...) ? SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 1 . Les mesures - observables - variabilité à différentes échelles - critères de qualité SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Techniques employées : Lille : Vgr (2), Vphase (6), Vt (2), Att (2 + 6 ?), FQ (1)  19 obs LCPC : Vapp (1), V (5), FQ (3)  9 obs LCND : Vt (1), Att (2)  3 obs LCPC : fréq (5)  5 obs LCPC : fréq (3)  3 obs CDGA : temp (4), pentes (2)  6 obs CDGA : rési (2), aniso (2), contr (1)  5 obs LMDC : Ampli (5), Vit (1), fréq (1)  7 obs LCPC : Vit (1), temps (4)  5 obs US IE Capa Thermo Élec Radar 62 observables au total SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 On veut pouvoir dire que : deux bétons (ou deux zones) identiques sont bien identiques  reproductibilité deux bétons (ou deux zones) différents sont bien différents  sensibilité L’échelle représentative est celle du béton « homogène », soit, dans Notre cas celle du corps d’épreuve. - Une mesure en un point donné doit en théorie donner une valeur unique - Les mesures sur une série de points d’un corps d’épreuve doivent fournir « la valeur » du corps d’épreuve - Les mesures moyennes sur différents corps d’épreuve d’une même gâchée fournissent des valeurs dont la distribution correspond à la distribution des propriétés de la gâchée (concept du matériau hétérogène, à l’échelle de la gâchée) - Les mesures moyennes sur différentes gâchées doivent révéler des contrastes éventuels. SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 V1 Répétabilité locale V2 Variabilité moyenne dans l’éprouvette V2i V2k V2j V3 Variabilité dans la gâchée SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 V3 V3a Reproductibilité de la gâchée V4 Variabilité inter-gâchées SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Illustration sur quelques observables : US / Lille : Vitesse de phase (f = 0,22) US / LCND : Vt 250 kHz OC CAPA / LCPC : capa GE IE / LCPC : fréq pic 1 RES / CDGA : rho5 RAD / LMDC : Ampli OD 500 MHz RAD /LCPC : temps 14,7 cm SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Les différentes variabilités (c.v. en % de la moyenne générale de l’observable) Contraste entre bétons (« signal ») Varia. éprouvette Varia. gâchée Varia. mesure reprod. gâchée SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 variabilité V3 Rôle de la taille des granulats SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 radar US SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Les différentes variabilités (c.v. en % de la moyenne générale de l’observable) Contraste entre bétons (« signal ») Varia. éprouvette Varia. gâchée Varia. mesure reprod. gâchée On souhaite avoir : V4 >> V3 : bcp + de différence ENTRE gâchées qu’entre éprouvettes d’une même gâchée V1 << V2 : bcp - de différences en un même point qu’en différents points V3a << V3 : bcp - de différences entre 2 gâchées identiques Cela suppose que l’observable est SENSIBLE à la propriété mesurée (ce qui n’est pas lié à sa QUALITE intrinsèque) SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Les différentes variabilités (c.v. en % de la moyenne générale de l’observable) Contraste entre bétons (« signal ») Varia. éprouvette Varia. gâchée Varia. mesure reprod. gâchée V4 >> V3 : OUI V1 << V2 : OUI V3a << V3 : OUI SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 V4 >> V3 : NON V1 << V2 : n.sign. V3a << V3 : OUI V4 >> V3 : OUI V1 << V2 : n.sign. V3a << V3 : OUI V4 >> V3 : ? V1 << V2 : NON V3a << V3 : OUI V4 >> V3 : OUI V1 << V2 : ? V3a << V3 : NON V4 >> V3 : OUI V1 << V2 : NON V3a << V3 : OUI V4 >> V3 : OUI V1 << V2 : NON V3a << V3 : OUI SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Indicateur qualité : IQ = 2log(V4/V3) + log (V2/V1) + log (V3/V3a) si V1 mesuré IQ = 2log(V4/V3) + log (V3/V3a) si V1 non mesuré SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Indicateurs de qualité pour les observables (9 et 6 gâchées) SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 2 . Pertinence des observables - aptitude à distinguer (sensibilité) - bonne corrélation aux propriétés à identifier (degré explicatif) SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Examen des tendances La gâchée G6 est très particulière (granulats calcaires) : elle a le e/c, la porosité et le fc de la G3, elle a la raideur de la G1 elle est « rapide » comme la G1 elle est conductrice électriquement comme la G8 SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Gâchée 6 Granulats calcaires Corrélation sur 9 gâchées (moyenne par gâchée) Exemple de corrélation : Porosité / Vtrans OC Corrélation sur 6 gâchées (moyenne par gâchée) Corrélation sur toutes les éprouvettes SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Exemple de corrélation : Porosité / Vtrans OC moyenne par gâchée porosité dalles porosité carottes Problème de la représentativité des données de porosité SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Corrélations établies sur les valeurs moyennes par gâchée 1 valeur / dalle 1 valeur / gâchée SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Corrélations établies sur les valeurs moyennes par gâchée 1 valeur / dalle 1 valeur / gâchée SENSO – Bordeaux 15 et 16 mars 2007

3. Sélection des observables Indice de qualité (cf plus haut) Indice de pertinence = 4 x r² SENSO – Bordeaux 15 et 16 mars 2007

Analyse en composantes principales Faite avec 19 observables, pour éviter les redondances SENSO – Bordeaux 15 et 16 mars 2007

Analyse en composantes principales L’axe F3 est « porté » par la gâchée G6 SENSO – Bordeaux 15 et 16 mars 2007

Prédiction des propriétés par réseaux de neurones base de test : observables seul N’ individus Base d’apprentissage : observables et résultats N individus modèle résultats SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Modèle 1 10 individus G1-G2-G3-G3a-G8 + 8 individus G4-G5-G6 24 individus G1-G2-G3-G3a-G8 base de test : observables seul Base d’apprentissage : observables et résultats modèle résultats SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Modèle 1 : porosité SENSO – Bordeaux 15 et 16 mars 2007

Prédiction de E et fc par réseaux de neurones SENSO – Bordeaux 15 et 16 mars 2007

SENSO – Bordeaux 15 et 16 mars 2007 Modèle 2 10 individus G1-G2-G3-G3a-G8 + 8 individus G4-G5-G6 24 individus G1-G2-G3-G3a-G8 + 15 individus G4-G5-G6 base de test : observables seul Base d’apprentissage : observables et résultats modèle résultats SENSO – Bordeaux 15 et 16 mars 2007

Prédiction : modèles 1 et 2 SENSO – Bordeaux 15 et 16 mars 2007

A venir…campagne saturée… SENSO – Bordeaux 15 et 16 mars 2007