L'intelligence artificielle améliore les analyses sismiques

L'intelligence artificielle améliore les analyses sismiques
4.2 (84%) 40 votes


Crédit: CC0 Public Domain

Le défi consistant à analyser les signaux sismiques avec une précision optimale augmente avec la quantité de données sismiques disponibles. À l’Institut de technologie de Karlsruhe (KIT), les chercheurs ont déployé un réseau de neurones pour déterminer l’heure d’arrivée des ondes sismiques et ainsi localiser précisément l’épicentre du séisme. Dans leur rapport au Lettres de recherche sismologique Journal, ils soulignent que l’Intelligence Artificielle est capable d’évaluer les données avec la même précision qu’un sismologue expérimenté.

Pour localiser précisément un événement sismique, il est essentiel de déterminer l'heure exacte d'arrivée de la majorité des ondes sismiques à la station sismométrique (dite arrivée de phase). Sans cette connaissance, d'autres évaluations sismologiques précises ne sont pas possibles. De telles évaluations peuvent être très utiles pour prédire les répliques qui causent parfois des dégâts plus graves que le séisme principal initial. En localisant précisément l'épicentre, on peut même mieux distinguer les processus physiques se déroulant au plus profond de la Terre, ce qui permet à son tour d'inférer la structure de l'intérieur de la Terre. "Nos résultats montrent que l'intelligence artificielle peut considérablement améliorer l'analyse sismique, non seulement avec la prise en charge de grands volumes de données, mais aussi si un jeu de données limité est disponible", explique le professeur Andreas Rietbrock du Geophysical Institute (GPI) du KIT.

Jusqu'à présent, il fallait beaucoup d'expertise humaine pour évaluer les ondes sismiques. Le réseau de neurones de KIT permet maintenant une évaluation plus rapide de davantage de données. Crédit: Manuel Balzer, KIT

L'évaluation des sismogrammes enregistrés, appelée sélection de phase, permet de déterminer les heures d'arrivée des différentes phases. Traditionnellement, il s’agit d’une procédure manuelle. La précision du choix de phase manuel peut être affectée par la subjectivité du sismologue en charge. Plus particulièrement, cependant, une évaluation manuelle nécessite entre-temps un temps et des ressources en personnel inacceptables, en raison de la quantité croissante de données sismiques et de la densité plus élevée des réseaux de sismomètres. Une évaluation automatisée est devenue nécessaire pour exploiter rapidement toutes les données disponibles. En effet, les algorithmes de sélection de phase développés jusqu'à présent ne sont pas en mesure de fournir la précision obtenue par une sélection manuelle par un sismologue expérimenté – en raison de l'extrême complexité de la formation et de la propagation des tremblements de terre, beaucoup agissant sur le champ des ondes sismiques.

Les humains évaluent encore les données du sismomètre (triangles) au Chili pour localiser les épicentres (cercles). Crédit: J. Woollam et al.

L'intelligence artificielle (IA) est toutefois capable de faire correspondre la précision humaine lors de l'évaluation de ces données. Cela a été révélé par des scientifiques du GPI, de l’Université de Liverpool et de l’Université de Grenade. Selon leur rapport dans le Lettres de recherche sismologique Dans cette revue, les chercheurs ont utilisé un système de convolution (CNN) pour déterminer les débuts de phase dans un réseau sismique au Chili. Les CNN s'inspirent des systèmes neuronaux biologiques et sont organisés en différents niveaux de neurones artificiels interconnectés. Dans ce qu'on appelle l'apprentissage en profondeur, qui est l'une des méthodes d'apprentissage automatique, les fonctions détectées et apprises sont transmises d'un niveau à l'autre et sont affinées de plus en plus au cours de ce processus.

Lors d'un séisme, différents types d'ondes sismiques se propagent à travers la Terre. Les principaux types sont appelés ondes de compression ou ondes primaires (ondes P) et ondes de cisaillement ou secondaires (ondes S). Premièrement, les ondes P plus rapides arrivent à la station sismologique, suivies des ondes S plus lentes. Les ondes sismiques peuvent être enregistrées dans les sismogrammes. Les chercheurs ont formé le CNN à l'aide d'un ensemble de données relativement petit couvrant 411 événements dans le nord du Chili. Ensuite, le CNN a déterminé l’heure d’arrivée de phases P et S inconnues, tout en faisant correspondre la précision d’un sismologue expérimenté à la cueillette manuelle, voire en offrant une précision supérieure à celle d’un algorithme de cueillette classique.


Détection d'une rupture de supershear en 2013 à Craig, Alaska, tremblement de terre


Plus d'information:
Jack Woollam et al. Réseau de neurones convolutifs pour la classification de phase sismique, démonstration de performances sur un réseau sismique local, Lettres de recherche sismologique (2019). DOI: 10.1785 / 0220180312

Fourni par


Citation:
                                                 L'intelligence artificielle améliore les analyses sismiques (14 juin 2019)
                                                 récupéré le 14 juin 2019
                                                 de https://phys.org/news/2019-06-artificial-intelligence-seismic-analyses.html

Ce document est soumis au droit d'auteur. Mis à part toute utilisation équitable à des fins d’étude ou de recherche privée, aucun
                                            partie peut être reproduite sans autorisation écrite. Le contenu est fourni seulement pour information.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *