Note ABES Détection et caractérisation massives de phénomènes sismologiques pour la surveillance d'événements traditionnels et la recherche systématique de phénomènes rares Large-scale detection and characterization of seismological phenomena for the monitoring of traditional seismic events and systematic data-mining of rare phenomena Sismologie Localisation Classification automatique Micro-sismicité Volcan Seismology Location Automated classification Microseismicity Volcano 551.22 Séismes Fournaise, Piton de la (Réunion ; volcan) Séismes Indonésie Télédétection en sciences de la Terre Séismes Observations Sismologie La multiplication du nombre de réseaux sismiques fait exploser le nombre de données sismologiques. Manuellement, leur traitement est long et fastidieux, d'où la nécessité d'automatiser la détection, la classification et la localisation des événements pour aider les observatoires qui surveillent continuellement la sismicité, mais aussi, dans un intérêt plus scientifique, rechercher et caractériser les phénomènes. La thèse se décompose en 2 axes majeurs : (1) la détection / localisation des séismes, avec le logiciel Waveloc. On a amélioré les outils pré-existants, ajouté de nouvelles fonctionnalités pour une analyse plus détaillée de la sismicité et validé le code avec les données du Piton de la Fournaise ; (2) la classification des séismes. Après calcul des attributs décrivant au mieux les signaux, on a démontré l'efficacité de 2 méthodes d'apprentissage supervisé (régression logistique et SVM) pour le Piton de la Fournaise et soulevé les difficultés pour un cas plus complexe (le Kawah Ijen). For some time now the quantity of available seismological data has kept increasing. Manually, their processing is long and tedious. Then, the automation of the detection, location and classification of seismic events has become necessary and aims to help the local observatories and to search and characterize some rarer or not well-known phenomena. The work is divided into 2 main directions : (1) the detection and location of seismic events with the Waveloc software (we improved the pre-existing tools, added some new functions for a more detailed analysis of the seimicity and applied the code to data from the Piton de la Fournaise volcano) ; (2) their classification (after computing the seismic attributes, we proved the efficiency and reliability of 2 supervised learning methods - logistic regression and SVM - for the Piton de la Fournaise volcano, underlined the difficulties for a more complex case - the Kawah Ijen volcano - and tried to apply new strategies). Electronic Thesis or Dissertation Text fr PDF 54258778 Université de Strasbourg Strasbourg 2015-12-31 https://theses.hal.science/tel-01155650 application/pdf 28892601 https://publication-theses.unistra.fr/public/theses_doctorat/2014/Langet_Nadege_2014_ED413.pdf http://www.theses.fr/2014STRAH017/abes https://theses.hal.science/tel-01155650 https://theses.hal.science/tel-01155650 https://theses.hal.science/tel-01155650 https://theses.hal.science/tel-01155650 Langet Nadège 1988-08-20 FR 184608015 40812393 https://theses.fr/2014STRAH017 2014STRAH017 https://doi.org/10.70675/4632b842zef75z40bbzb0d9zc0e4c3f46a23 2014-12-09 Géophysique Strasbourg 131056549 Doctorat Docteur es non oui Maggi Alessia MADS_DIRECTEUR_DE_THESE_1 183903919 Mangeney Anne MADS_PRESIDENT_DU_JURY 162047991 Rivera Luis MADS_MEMBRE_DU_JURY_1 075979977 Guilbert Jocelyn MADS_MEMBRE_DU_JURY_2 081523815 Lambotte Sophie MADS_MEMBRE_DU_JURY_3 119018713 Mangeney Anne MADS_RAPPORTEUR_1 162047991 Deschamps Anne MADS_RAPPORTEUR_2 068539967 École doctorale des Sciences de la Terre et Environnement (Strasbourg ; 2000-....) MADS_ECOLE_DOCTORALE_1 TE 15650166X Institut de physique du globe (Strasbourg ; 1997-2020) MADS_PARTENAIRE_DE_RECHERCHE_1 93740 157377237 ddc:550 Maggi Alessia Mangeney Anne Rivera Luis Guilbert Jocelyn Lambotte Sophie Mangeney Anne Deschamps Anne École doctorale Sciences de la Terre et Environnement (Strasbourg ; 2000) Institut de physique du globe (Strasbourg) PDF 54258778