Vers une nouvelle génération de modèles de glissements co-sismiques : analyse stochastique et approche multi-données
Langue Français, Anglais
Accéder au document

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

 
Auteur : Gombert, Baptiste
Date de soutenance : 23-03-2018

Directeur(s) de thèse : Rivera, Luis

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

Mots-clés libres : Séismes, Tectonique, Modèle de glissement, Échantillonnage bayésien
Mots-clés :
  • Statistique bayésienne
  • Géodésie
  • Glissements de terrain - Modèles mathématiques
Résumé : L’explosion du nombre et de la variété des données géodésiques, sismologiques et tsunami disponibles est une opportunité exceptionnelle pour produire de nouveaux modèles de la source sismique. Mais ces données n’apportent pas toutes la même information et sont soumises à différentes sources d’incertitudes, rendant la solution au problème inverse non-unique. Dans cette thèse, nous utilisons une méthode d’échantillonnage bayésien pour produire de nouveaux modèles de glissement moins assujettis au sur-ajustement des données et permettant une estimation réaliste de l’incertitude associée aux paramètres estimés. Nous l’appliquons à l’étude du glissement dans trois contextes tectoniques différents : le séisme de Landers (1992, Mw=7.3), la zone de subduction équato-colombienne où s’est produit le séisme de Pedernales (2016, Mw=7.8), et le séisme intra-plaque de Tehuantepec (2017, Mw=8.2). À travers ce travail, nous démontrons l’importance de la considération rigoureuse des incertitudes et les atouts de l’approche bayésienne pour l’étude des différentes phases du cycle sismique.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2018STRAH016
Type de ressource : Thèse