# Analyse NN — `NOM_DE_LA_REGLE` : titre court - **Statut** : idée | en conception | prototype en place | abandonnée (date). - **Script** : `python3 src/analyse_NN.py [CSV ou dossiers]` (défaut : `data/`). Il écrit `out/_.html` et l'ouvre dans le navigateur. - **Code** : les modules utilisés ; le calcul est en bibliothèque standard uniquement. ## Question posée La question que cette analyse pose aux données, en une phrase. Préciser le lien avec la définition de l'anomalie (D-004) et ce que l'analyse ajoute aux analyses existantes. ## Principe L'idée en 2 ou 3 phrases, puis le calcul exact, étape par étape, pour chaque horodatage t. Le calcul doit être **causal** et respecter le contrat commun (`run(series) -> {analysis, rule, points: [{t, value, anomaly, facts}]}`). Préciser ce que contiennent `value` (unité physique) et `facts`, et quand le point vaut UNKNOWN. ## Constantes et sources | Constante | Valeur | Source | |---|---|---| | `…` | … | doc AIMsight, manuel, code embarqué, donnée observée (avec date et station), ou choix de conception assumé | ## Graphique - **En haut** : l'analyse, avec ses courbes superposées. - **Dessous** : un graphique par série temporelle. Préciser ce qui est affiché en plus : seuils, bandes, contenu du survol. ## Résultats sur VERMONT (jeu de travail) Dates et valeurs observées, comparées au diagnostic expert (`docs/domaine/cas-annotes-par-l-expert.md`). ## Options écartées | Option | Pourquoi écartée | |---|---| | … | … | ## Limites connues 1. … ## Pistes Ce qu'une autre analyse pourrait couvrir de ces limites. ## Historique - **AAAA-MM-JJ** : création. Puis une ligne par modification notable, avec renvoi aux décisions `D-0XX` concernées.