Chapitre VI
Machine Learning
98
VI.4.1. Nettoyage des données
Étant donné que les données erronées peuvent sérieusement compromettre les performances des
modèles à créer, la base de données initiale a été réduite en éliminant les données qualifiées de
tests "non fiables" (RF=4) ou les données pour lesquelles la section transversale était considérée
comme "très complexe" (CF=4). Les incohérences claires au sein de la base de données ont été
détectées et éliminées. Toutes les lignes ayant des valeurs manquantes ont été supprimées la base
de données réduite résultante comprend alors 8091 tests.
La Figure VI-8 présente un aperçu de la base de données une fois qu'elle a été nettoyée.
Figure VI-8 : Aperçu de la base de données nettoyée.
VI.4.2. Application de la Similitude de Froude
La similitude de Froude est une méthode qui permet de redimensionner les paramètres
hydrauliques afin d’obtenir des comportements similaires entre prototypes réduits et réels. Elle se
fonde sur le rapport des forces inertielles et gravitationnelles pour maintenir les mêmes proportions
et caractéristiques. La loi de similitude de Froude a été utilisée pour fournir la meilleure
généralisation des applications à grande échelle. Les équations (Équation VI-3,Équation VI-4,
Équation VI-5 et Équation VI-6) donnent les lois permettant le calcul de la réduction d’échelle
selon la similitude de Froude.
𝑛 𝐿 = 1/H mo,toe observée
Équation VI-3
[𝑛 Hm0 , 𝑛 h , 𝑛 ht , 𝑛 Bt , 𝑛 B , 𝑛 hb , 𝑛 Rc , 𝑛 Ac , 𝑛 Gc ] = 𝑛 𝐿
Équation VI-4
𝑛 T = 𝑛 𝐿
0.5
Équation VI-5
𝑛 𝑞 = 𝑛 𝐿
1.5
Équation VI-6