Dans la planification de l’atténuation des catastrophes pour les futurs grands tremblements de terre, les prévisions des mouvements sismiques du sol sont un élément crucial des systèmes d’alerte précoce et de la cartographie des risques sismiques. La façon dont le sol se déplace dépend de la façon dont les couches de sol amplifient les ondes sismiques (décrites comme un site mathématique « facteur d’amplification »). Cependant, les explorations géophysiques pour comprendre les conditions du sol sont coûteuses, ce qui limite à ce jour la caractérisation des facteurs d’amplification du site.
Une nouvelle étude de chercheurs de l’université d’Hiroshima publiée le 5 avril dans le Bulletin de la Société sismologique d’Amérique introduit une nouvelle technique basée sur l’intelligence artificielle (IA) pour estimer les facteurs d’amplification du site à partir de données sur les vibrations ambiantes ou les microtremblements du sol.
Les conditions du sous-sol, qui déterminent la façon dont les tremblements de terre affectent un site, varient considérablement. Les sols plus mous, par exemple, ont tendance à amplifier le mouvement du sol à la suite d’un tremblement de terre, tandis que les substrats durs peuvent l’amortir. Les vibrations ambiantes du sol ou les micro-tremblements qui se produisent sur toute la surface de la Terre, causés par des perturbations humaines ou atmosphériques, peuvent être utilisés pour étudier les conditions du sol. La mesure des microtremors fournit des informations précieuses sur le facteur d’amplification (AF) d’un site et sur sa vulnérabilité aux dommages causés par les tremblements de terre en raison de sa réponse aux tremblements.
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 de microtremblement. « La méthode proposée contribuerait à des prévisions plus précises et plus détaillées des mouvements sismiques du sol pour les futurs tremblements de terre », déclare l’auteur principal et professeur agrégé Hiroyuki Miura de la Graduate School of Advanced Science and Engineering. L’étude a étudié la relation entre les données de microtremblements et les facteurs d’amplification du site 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 se sont penchés sur une méthode courante connue sous le nom de rapports spectraux horizontaux sur verticaux (MHVR), qui est généralement utilisée pour estimer la fréquence de résonance du sol sismique. Il peut être généré à partir de données de microtremblements ; les vibrations sismiques ambiantes sont analysées en trois dimensions pour déterminer la fréquence de résonance des couches de sédiments au-dessus du substrat rocheux lorsqu’elles vibrent. Des recherches antérieures ont montré, cependant, que le MHVR ne peut pas être utilisé directement de manière fiable comme facteur d’amplification du site. Ainsi, cette étude a proposé un modèle de réseau neuronal profond pour estimer les facteurs d’amplification du site à partir des données MHVR.
L’étude a utilisé des données de microtremblements 2012-2020 provenant de 105 sites dans le district de Chugoku, dans l’ouest du Japon. Les sites font partie du Japon réseau sismographique national qui contient environ 1 700 stations d’observation réparties dans une grille uniforme à des intervalles de 20 km à travers le Japon. En utilisant une technique d’inversion spectrale généralisée, qui sépare les paramètres de source, de propagation et de site, les chercheurs ont analysé les amplifications spécifiques au site.
Les données de chaque site ont été divisées en un ensemble d’apprentissage, un ensemble de validation et un ensemble de test. L’ensemble de formation a été utilisé pour enseigner 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 MHVR de microtremblements et les facteurs d’amplification du site. Les données de test étaient un ensemble complètement inconnu utilisé pour évaluer les performances du modèle.
Le modèle a bien fonctionné sur les données de test, démontrant son potentiel en tant qu’outil prédictif pour caractériser les facteurs d’amplification du site à partir des données de microtremblement. Cependant, note Miura, « le nombre d’échantillons d’entraînement analysés dans cette étude (80) sites est encore limité » et devrait être élargi avant de supposer que le modèle de réseau neuronal s’applique à l’échelle nationale ou mondiale. Les chercheurs espèrent optimiser davantage le modèle avec un ensemble de données plus important.
Des techniques rapides et rentables sont nécessaires pour une prédiction plus précise du mouvement sismique du sol puisque la relation n’est pas toujours linéaire. Explique Miura, « En appliquant la méthode proposée, les facteurs d’amplification du site peuvent être automatiquement et précisément estimés à partir des données de microtremblement observées sur un site arbitraire. » À l’avenir, les auteurs de l’étude visent à continuer à affiner les techniques avancées d’IA pour évaluer les réponses non linéaires du sol aux tremblements de terre.
Les auteurs de l’article sont Da Pan, Hiroyuki Miura, Tatsuo Kanno, Michiko Shigefuji et Tetsuo Abiru.
Da Pan et al, Estimation basée sur le réseau de neurones profonds du facteur d’amplification du site à partir du rapport spectral H / V du microtremblement, Bulletin de la Société sismologique d’Amérique (2022). DOI : 10.1785/0120210300