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

城市、道路和矿业基础设施是加拿大经济的重要支柱。Leur concept，reconstruction and reconstitutien nécessient des methodes précises de caractérisation des propriététés mécaniques des sol et des roches qui les quietent.这些基于机械声传播的听诊方法，或类似的方法，都是渗透于非破坏性表面评估的一些技术。在实践中，精确性和可测量性仍然是完全不充分的，这是基于对这些结构进行大量简化的理由。目前的听诊技术研究计划渗透了地质技术中土壤和岩石弹性和粘弹性模块的稳健估计。 为了做到这一点，我们启发了我们的“音形倒置”（IFO）。L'IFO se base sur la résolution directe des équations différentielles décrivant un modèle physique complet de la propagation des ondes.为了将储层成像到多公里深，该技术应适应地质技术要求的高分辨率特性。我们在该方案中阐述了IFO专用于高级解决方案的应用，需要对固体的机械性能进行定量评估。L'application de l'IFO nétecitant un prétraitement qui est l'apanage d'un personnel hautement qualifié.这种人工操作禁止用于地质技术。Nous oeuvrerons ainsi à son automatisation particelle grâce aux récentes avancées en automatisage automatique.在使用数字调制器生成治疗样本时，我们使用增强的数字调制器自动应用治疗样本的序列，但我们使用深度数字调制器替换某些治疗样本。Ce programme de rescherche aboutira à une technologie d'aascultation des propriétés mécaniques de la sous-surface plus précise et robuste，nécessaire Au maintien et à la prosecuten place d'infrastructure sécuritaires et pérennes.我们应特别注意地质技术在实际应用中的适用性。这些工作也与地质科学的多个分支直接相关，是为了探索自然资源，改善地下水的形象，促进人类和经济的直接发展。因此，该研究方案希望能提出一个在地质科学中利用自动测量的概念，这是一个降低地质科学信息价值的潜力。

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.