Détection et caractérisation massives de phénomènes sismologiques pour la surveillance d'événements traditionnels et la recherche systématique de phénomènes rares
Langue Français
Accéder au document

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

 
Auteur : Langet, Nadège
Date de soutenance : 09-12-2014

Directeur(s) de thèse : Maggi, Alessia

Président : Mangeney, Anne
Rapporteur(s) : Mangeney, Anne - Deschamps, Anne
Membre(s) du jury : Rivera, Luis - Guilbert, Jocelyn - Lambotte, Sophie

Établissement de soutenance : Strasbourg
Laboratoire : Institut de physique du globe (Strasbourg ; 1997-2020)
École doctorale : École doctorale des Sciences de la Terre et Environnement (Strasbourg ; 2000-....)
 
Discipline : Géophysique
Classification : Sciences de la terre

Mots-clés libres : Sismologie, Localisation, Classification automatique, Micro-sismicité, Volcan
Mots-clés :
  • Séismes - Fournaise, Piton de la (Réunion ; volcan)
  • Séismes - Indonésie
  • Télédétection en sciences de la Terre
  • Séismes - Observations
  • Sismologie
Résumé : 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).
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2014STRAH017
Type de ressource : Thèse