Une IA prédit l’impact des tremblements de terre sur un site précis
Une nouvelle étude menée par des chercheurs de l’université d’Hiroshima a présenté une nouvelle technique basée sur l’intelligence artificielle (IA) pour estimer les facteurs d’amplification des sites à partir de données sur les vibrations ambiantes ou les microtremblements du sol.
Une technique basée sur IA
Les conditions du sol souterrain, qui déterminent la façon dont les séismes affectent un site, varient considérablement. Les sols mous, par exemple, ont tendance à amplifier le mouvement du sol lors d’un tremblement de terre, tandis que les substrats durs peuvent l’amortir.
Les vibrations ambiantes du sol ou les microtremblements qui se produisent partout à la surface de la Terre et qui sont causés par des perturbations humaines ou atmosphériques peuvent être utilisés pour étudier les conditions du sol. La mesure des microtremblements fournit des informations précieuses sur le facteur d’amplification (FA) d’un site et sur sa vulnérabilité aux dommages causés par les tremblements de terre en raison de sa réaction aux secousses.
L’étude récente des chercheurs de l’université d’Hiroshima a introduit une nouvelle façon d’estimer les effets du site à partir des données des microtremblements. « La méthode proposée contribuerait à des prévisions plus précises et plus détaillées des mouvements sismiques du sol pour les futurs tremblements de terre », explique l’auteur principal et professeur associé Hiroyuki Miura.
Un modèle qui pourrait être utilisé partout
Cette étude a examiné la relation entre les données des microtremblements et les facteurs d’amplification des sites à l’aide d’un réseau neuronal profond, dans le but de développer un modèle qui pourrait être appliqué à n’importe quel site dans le monde.
Les chercheurs ont étudié une méthode commune connue sous le nom de rapports spectraux horizontaux-verticaux (MHVR) qui est habituellement utilisée pour estimer la fréquence de la résonance du sol sismique.
Cette étude a utilisé des données des microtremblements de 2012 à 2020 provenant de 105 sites du district de Chugoku, dans l’ouest du Japon. Ces sites font partie du réseau sismographique national du Japon qui contient environ 1 700 stations d’observation réparties selon une grille uniforme à intervalles de 20 km à travers le Japon. En utilisant une technique d’inversion spectrale généralisée, qui sépare les paramètres de la source, de la propagation et du site, les chercheurs ont analysé les amplifications spécifiques au site.
Les données de chaque site ont été divisées en un ensemble de formation, un ensemble de validation et un ensemble de tests. L’ensemble d’apprentissage a été utilisé pour renseigner un réseau neuronal profond. L’ensemble de validation a été utilisé dans l’optimisation itérative du réseau d’un modèle pour décrire la relation entre les MHVRs des microtremblements et les facteurs d’amplification du site. Les données des tests étaient un ensemble complètement inconnu utilisé pour évaluer la performance du modèle.
Il a très bien fonctionné
Le modèle a bien fonctionné sur les données de tests, démontrant son potentiel en tant qu’outil de prédiction pour caractériser les facteurs d’amplification de site à partir des données de microtremblements. Cependant, note Miura, « le nombre d’échantillons d’entraînement analysés dans cette étude (80 sites) est encore limité » et devra être étendu avant de supposer que ce modèle de réseau neuronal s’applique à l’échelle nationale ou mondiale. Les chercheurs espèrent optimiser davantage ce modèle avec un ensemble de données plus important.
Il devra être optimisé
Mais une fois optimisé, il pourrait être d’une très grande utilité; par exemple aux États-Unis, en Californie, se trouve la faille de San Andreas. Cette faille pourrait provoquer un énorme tremblement de terre que les sismologues appelle The Big One. Ce dernier pourrait tuer des dizaines de millions de personnes. Donc en utilisant le modèle développé par ces chercheurs, il pourrait être prédit avant que ce site soit complètement dévasté.
Cette recherche a été publiée dans le Bulletin of the Seismological Society of America.
Source : Hiroshima University
Crédit photo : iStock