Inversion de formes d'ondes et apprentissage profond: vers une estimation quantitative des paramètres viscoélastiques de la sous-surface

点击翻译按钮获取中文摘要

Les infrastructures urbaines, routières et minières sont de véritables piliers de l'économie canadienne. Leur conception, leur construction et leur maintien nécessitent des méthodes précises de caractérisation des propriétés mécaniques des sols et des roches qui les supportent. Les méthodes d'auscultation basées sur la propagation d'ondes mécaniques, ou méthodes sismiques, sont les seules techniques permettant cette estimation de façon non-destructive à grande échelle. En pratique, leur précision et leur fiabilité restent toutefois insuffisantes en raison des trop grandes simplifications physiques sur lesquelles elles se basent. Le présent programme de recherche vise à développer des technologies d'auscultation sismique permettant une estimation robuste des modules élastiques et viscoélastiques des sols et des roches en géotechnique. *** Pour ce faire, nous nous inspirerons de l'inversion de formes d'ondes (IFO). L'IFO se base sur la résolution directe des équations différentielles décrivant un modèle physique complet de la propagation des ondes. étant développée pour imager des réservoirs pétroliers à plusieurs kilomètres de profondeur, cette technologie est mal adaptée à la caractérisation haute-résolution requise en géotechnique. Nous développerons dans ce programme une formulation de l'IFO spécifique aux applications à haute résolution requérant une estimation quantitative des propriétés mécaniques des solides. L'application de l'IFO nécessite cependant un prétraitement qui est l'apanage d'un personnel hautement qualifié. Ce traitement laborieux est prohibitif pour des usages en géotechnique. Nous oeuvrerons ainsi à son automatisation partielle grâce aux récentes avancées en apprentissage automatique. En utilisant la modélisation numérique pour générer des données d'entrainement, nous utiliserons l'apprentissage par renforcement pour appliquer automatiquement la séquence de traitement des données, tandis que nous utiliserons l'apprentissage profond pour remplacer certaines étapes du traitement.*** Ce programme de recherche aboutira à une technologie d'auscultation des propriétés mécaniques de la sous-surface plus précise et robuste, nécessaire au maintien et à la mise en place d'infrastructures sécuritaires et pérennes. Nous porterons une attention particulière à démontrer son applicabilité dans le cadre de projets géotechniques concrets afin de favoriser son adoption en pratique. Ces travaux sont aussi directement pertinents à plusieurs branches des géosciences, de l'environnement à l'exploration des ressources naturelles, pour lesquelles l'imagerie de la sous-surface a des répercussions humaines et économiques directes. Enfin, ce programme de recherche se veut une preuve de concept de l'utilisation de l'apprentissage automatique en géosciences, qui a le potentiel de décupler la valeur des informations géoscientifiques.