Détection automatique et classification basée sur l'apprentissage machine des séismes de faible magnitude dans une région continentale stable
Langue Français
Accéder au document

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

 
Auteur : Renouard, Alexandra
Date de soutenance : 04-11-2020

Directeur(s) de thèse : Maggi, Alessia

Président : Vergne, Jérôme
Rapporteur(s) : Johnson, Paul A. - Delouis, Bertrand
Membre(s) du jury : Helmstetter, Agnes - Gaillard, Pierre - Doubre, Cécile - Grunberg, Marc

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 : Sismologie
Classification : Sciences de la terre

Mots-clés libres : Détection, Discrimination, Apprentissage machine supervisé, Intelligence artificielle, Tirs de carrière, Bruit sismique, Séismes de faible magnitude, Calcul de haute perforlance
Mots-clés :
  • Sismogrammes
  • Stations sismologiques
  • Apprentissage supervisé (intelligence artificielle)
Résumé : La compréhension des mécanismes qui gouvernent l'occurrence et la distribution de la sismicité faible à modérée des régions continentales stables est entravée par les capacités limitées des algorithmes utilisés à détecter les petits séismes dans des environnements anthropisés, malgré le déploiement intensif des réseaux de stations. Cette thèse développe une procédure de détection automatique des séismes de faible magnitude à travers SeisComP3 et le Calcul de Haute Performance. Cette nouvelle procédure réduit la contamination des séismes détectés par du bruit sismique en tenant compte des niveaux de bruit enregistré aux stations, de la géométrie du réseau de stations et du milieu de propagation des ondes sismiques. En incorporant un algorithme d’apprentissage machine supervisé, elle discrimine efficacement les séismes détectés, des tirs de carrière et des faux événements associés à du bruit. Les résultats sont prometteurs : 50% de séismes de magnitude inférieure à 1.2 sont détectés en plus. Ce travail vise à une plus large exploration de l’apprentissage machine dans les observatoires sismologiques.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2020STRAH017
Type de ressource : Thèse