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

L在加拿大的经济基础设施建设中发挥了重要作用。构思、施工和维护都需要S的支持。《听诊基本原理》、《声学》等技术，对非破坏性传播进行了全面评估。在实践中，精确度和精确度是不充分的，因为它简化了体格。这份报告提出了一项关于听诊技术的研究方案，其中包括一种实用的评估方法--稳健评估和粘弹性技术。对L的反转，我们都很有信心。L以其为基础的解决方案指导了不同的方程和现代体质的完成和繁殖。这是一项非常重要的技术，也是一项重要的技术。L的程序公式在高级解决方案中的应用需要定量的估计，以解决S的问题。L对L的申请对L的人员流动素质提出了要求。使用该技术时，劳动是禁止的。所有的自动化都是从学徒自动化开始的。L的徒弟实施了现代化，S的徒弟实施了自动化，L的徒弟取代了L的徒弟。关于听诊技术的方案，S学会了表面和稳健的基础设施，S和其他地方的基础设施。我们关注的是儿子领养的具体细节和具体应用。L的环境与L对自然资源的探索，L的想象与经济的指导。利用L的学徒自主化的科学、科学的价值和信息的价值的概念，是一个很好的方案。

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.