Surveillance sismique en temps réel par instrumentation à fibre optique DAS et apprentissage automatique : vers une classification autonome des événements naturels et anthropiques
Langue Anglais
Accéder à la thèse :

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

Modalités de diffusion de la thèse :
  • Thèse consultable sur internet, en texte intégral.
  • Thèse avec 2 versions : seule la version intégrale est proposée ; sur authentification (communication intranet).
 
Auteur : Huynh, Camille
Date de soutenance : 11-02-2025

Directeur(s) de thèse : Malet, Jean-Philippe

Président : Weber, Jonathan
Rapporteur(s) : Lanticq, Vincent - Metaxian, Jean-Philippe - Chaljub, Emmanuel
Membre(s) du jury : Pelletier, Charlotte - Jousset, Philippe

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

Mots-clés libres : Distributed Acoustic Sensing (DAS), Apprentissage machine, Sismologie, Espace latent, Tremblements de terre, Sources sismiques anthropiques, Apprentissage supervisé, Apprentissage non-supervisé
Mots-clés :
  • Géophysique
  • Apprentissage automatique
  • Sismologie
  • Séismes
  • Apprentissage supervisé (intelligence artificielle)
  • Apprentissage non supervisé (intelligence artificielle)
Résumé : Ces dernières années, une nouvelle technologie basée sur l'utilisation de fibres optiques est apparue pour surveiller les événements acoustiques naturels ou anthropogéniques : la détection acoustique distribuée (Distributed Acoustic Sensing - DAS). Cette technologie innovante permet de mesurer les vibrations sismiques à très haute résolution spatiale sur des distances allant de quelques dizaines de mètres à plusieurs centaines de kilomètres. Bien que ces données soient plus volumineuses et plus complexes à traiter que celles des sismomètres traditionnels, elles offrent des perspectives prometteuses, notamment pour l'analyse des champs d'ondes générés par les tremblements de terre, la détection des glissements de terrain, la surveillance de divers événements anthropogéniques (tels que les déplacements de piétons, les mouvements de véhicules, ou les signaux sismiques provenant des activités humaines), les événements de faible amplitude ou très localisés, et la localisation précise de l'origine de ces événements sismiques. L'objectif de cette thèse est de développer et de tester des chaînes d'analyse de données automatisées en utilisant des approches basées sur l'IA pour détecter, classer et analyser les données DAS à fibre optique en temps quasi réel. L'objectif est axé sur la surveillance locale et régionale de zones spécifiques afin de permettre la détection et l'identification en temps réel d'événements naturels tels que les tremblements de terre et les glissements de terrain.
 
Type de contenu : Text
Format : PDF
 
Entrepôt d'origine : STAR : dépôt national des thèses électroniques françaises
Identifiant : 2025STRAH001
Type de ressource : Thèse