Revenir à Thèmes

Thème 2

Modèle des données et des connaissances

Animateurs : Corinne Curt, Vincent Garnier, Jean-Marc Tacnet

La modélisation des données et des connaissances est à la base de toute exploitation des méthodes d’analyse probabiliste ou fiabiliste ; dans la pratique, elle est souvent trop rapide, reprenant sans discussion des modèles de la littérature. De nombreuses techniques de modélisation de la variabilité et de l’incertitude sur les données existent, faisant appel aux méthodes probabilistes, possibilistes ou déterministes (par exemple l’algèbre des intervalles). Ce thème portera sur ces techniques et sur leur utilisation dans des contextes industriels et de recherche. Une attention particulière sera accordée au cas des données rares ou incomplètes,  aux interactions entre les composants et les systèmes complexes, à la prise en compte de la non-qualité des données et à la combinaison de données hétérogènes. Ce thème pourra concerner des développements académiques ou des études de cas réels. L’analyse des résultats d’essais destructifs ou CND et des essais accélérés fait partie de cette problématique. Il s’agit ainsi de faire le point de l’avancée sur les méthodes qui permettent de recenser les causes d’incertitude, ainsi que sur les méthodes qui permettent de proposer des modèles probabilistes ou possibilistes et leurs paramètres.

Sujets abordés :

  • modèles statistiques en contexte réel
  • modélisation des données rares
  • modélisation de la connaissance dans les systèmes complexes
  • méthodes possibilistes et fusion des données
  • analyse des incertitudes de mesure in situ, d’essais destructifs ou CND
  • problèmes inverses d’identification stochastique
  • modélisation des essais accélérés, optimisation des essais
  • modélisation et identification de structures, ouvrages et sols
  • géostatistique
  • effets de l’incertitude des données, de leur variabilité, de l’erreur de modèle sur la décision
  • méthodes bayésiennes…