Des chercheurs utilisent l’IA pour prédire l’impact des tremblements de terre

Lors de la planification de l’atténuation des catastrophes durant des tremblements de terre futurs importants, les prévisions des mouvements sismiques du sol sont fondamentales. Elles constituent un élément crucial des systèmes d’alertes précoces et de la cartographie des risques sismiques. Des chercheurs de l’Université d’Hiroshima ont réalisé une étude dans laquelle ils utilisent l’intelligence artificielle (IA) pour estimer les facteurs d’amplification d’un site à partir de données sur les vibrations ambiantes ou les micro-tremblements du sol.

Étude des conditions du sol avec l’IA

La manière dont le sol se déplace lors d’un tremblement de terre dépend de la façon dont les couches du sol amplifient les ondes sismiques. Il s’agit des facteurs d’amplification. Toutefois, les explorations géophysiques pour comprendre les conditions du sol sont onéreuses. Cela limite la caractérisation des facteurs d’amplification d’un site.

Par ailleurs, on constate une variation considérable des conditions du sous-sol permettant de déterminer la manière dont les tremblements de terre affectent un site. Des sols mous provoqueront une amplification du mouvement du sol après un tremblement de terre. Par contre, des substrats durs auront tendance à amortir le mouvement du sol.

Néanmoins, il est possible d’utiliser les vibrations ambiantes du sol ou les micro-tremblements ayant lieu sur toute la surface de la Terre pour l’étude des conditions du sol. Ces micro-treblements sont causés par les perturbations humaines ou atmosphériques. Ils fournissent des informations sur les ondes sismiques (facteurs d’amplification AF) d’un site. Ils nous informent également sur la vulnérabilité du site par rapport aux dommages causés.

L’étude réalisée par les chercheurs de l’Université d’Hiroshima consiste à utiliser une nouvelle manière d’estimation des effets du site à partir des données des micro-tremblements. Selon Hiroyuki Miura, auteur principal de l’étude et professeur à la Graduate School of Advanced Science and Engineering, cette méthode permettrait de fournir des prévisions de mouvement du sol sismique plus précises et plus détaillées.

Une IA pour étudier n’importe quel site dans le monde

Pour étudier la relation entre les données des micro-tremblements et les facteurs d’amplification d’un site, les chercheurs ont utilisé un réseau neuronal profond. L’objectif était le développement d’un modèle d’IA applicable à n’importe quel site dans le monde.

Les scientifiques ont utilisé une méthode nommée « rapports spectraux horizontaux sur verticaux (MHVR) ». On utilise généralement celle-ci pour établir une estimation de la fréquence de résonnance du sol sismique. Il est possible de générer cette fréquence à partir de données de micro-tremblements. On procède alors à l’analyse en trois dimensions des vibrations sismiques ambiantes. On peut ainsi déterminer la fréquence de résonnance de couches de sédiments au-dessus du substrat rocheux lors de leur vibration.

Toutefois, il n’est pas possible d’utiliser le MHVR directement de manière fiable en tant que facteur d’amplification du site. L’étude a donc utilisé un réseau neuronal profond pour l’estimation des facteurs d’amplification du site à partir des données MHVR.

Les chercheurs ont utilisé les données de micro-tremblements de 2012 à 2020. Celles-ci provenaient de 105 sites de Chugoku, dans l’ouest du Japon. Ces sites intègrent le réseau national de sismographes du Japon. Celui-ci inclut environ 1.700 stations d’observation réparties à des intervalles de 20 km dans tout le pays.

Les scientifiques ont ensuite utilisé une technique d’inversion spectrale généralisée pour analyser les amplifications spécifiques du site. Cette technique sépare les paramètres de source, de propagation et de site.

On a ensuite réparti les données de chaque site dans un ensemble d’apprentissage, dans un ensemble de validation et dans un ensemble de test. L’ensemble d’apprentissage a servi à former le réseau neuronal profond. Le groupe de validation a servi à décrire la relation entre les MHVR de micro-tremblement et les facteurs d’amplification. L’ensemble de test était un ensemble totalement inconnu afin d’évaluer les performances du modèle.

Le modèle a bien fonctionné

Le modèle d’IA a fonctionné adéquatement en ce qui concerne l’ensemble des données de test. L’IA est prometteuse en tant qu’outil prédictif pour la catégorisation des facteurs du site à partir des données de micro-tremblements.

Toutefois, Miura fait remarquer que le volume d’échantillons de test étudiés est encore limité. Il faudrait élargir cet ensemble avant de supposer que le modèle de réseau neuronal convient à l’échelle nationale ou internationale. Les chercheurs souhaitent donc utiliser un ensemble de données plus conséquent afin d’optimiser davantage le modèle.

Afin de prédire plus précisément le mouvement sismique du sol, il est nécessaire d’avoir recours à des techniques rapides et rentables étant donné que la relation n’est pas toujours linéaire. Cependant, la méthode des scientifiques japonais permet d’estimer automatiquement et précisément les facteurs d’amplification d’un site à partir de l’observation des données de micro-tremblements sur un site arbitraire.

À l’avenir, les chercheurs souhaitent affiner les techniques avancées d’intelligence artificielle pour procéder à l’évaluation des réponses non linéaires du sol aux tremblements de terre.