Formalisation des connaissances géologiques et automatisation du processus d'interprétation structural pour la construction d'architectures géologiques 3D du sous-sol

Geological knowledge formalization and automation of the structural interpretation process for building 3D architectures of the sub-surface

• Auteur / Autrice : Imadeddine Laouici
• Direction : Laurent Arbaret, Yannick Branquet
• Type : Projet de thèse
• Discipline(s) : Sciences de l'Univers
• Date : Inscription en doctorat le 01/10/2021
• Etablissement(s) : Orléans
• Ecole(s) doctorale(s) : Energie, Matériaux, Sciences de la Terre et de l'Univers - EMSTU
• Partenaire(s) de recherche : Laboratoire : ISTO - Institut des Sciences de la Terre d'Orléans

Mots clés

Mots clés libres

Modélisation géologique structurale 3D

Formalisme d'intérpretation

Modélisation conceptuelle

Formalisation des connaissances

Ontologie

Incertitudes épistémiques

3D Structural geological modelling

Interpretation formalism

Conceptual modelling

Knowledge formalization

Ontology

Epistemic uncertainties

Résumé

La représentation de l'architecture 3D du sous-sol est de toute première importance pour explorer et exploiter les georessources et répondre de manière quantitative à des questions geoscientifiques (e.g., tectonique, magmatisme). Cette notion d'architecture décrit la géométrie des principaux objets structuraux (e.g., couches, failles, plis) et leurs relations dans l'espace (topologie) et dans le temps. Ce projet de thèse propose un nouveau paradigme de représentation et de construction de l'architecture géologique 3D du sous-sol. Le but de cette nouvelle approche est à la fois d'améliorer (1) la formalisation numérique des connaissances portées par les représentations structurales et (2) d'améliorer la caractérisation des incertitudes structurales, qui limitent l'applicabilité des modèles réalisés. Cette thèse s'attaque au défi des incertitudes épistémiques (portant sur l'état de connaissance des structures du sous-sol), moins bien contraintes que les incertitudes aléatoires (relatives à la variabilité des mesures). Ces incertitudes découlent de l'ambiguïté des données et sont généralement contrebalancées par l'introduction manuelle d'interprétations, e.g., sous la forme de coupes interprétatives. Cette approche fonctionne en pratique pour produire des modèles, mais se heurte à des difficultés pour communiquer ces hypothèses et propager les incertitudes dans une approche probabiliste. Dans ce processus, les contraintes techniques s'ajoutent aux biais cognitifs et rendent difficile le fait de s'écarter d'une hypothèse initiale. Nous proposons de développer une méthodologie de modélisation qui formalise les concepts géologiques invoqués et permette d'en explorer les incertitudes, au travers des échelles spatiales et du temps. Cette approche innovante pourra s'inspirer du processus cognitif d'interprétation des géologues structuralistes. Elle repose sur le développement de corpus, d'ontologies, et de descripteurs géométriques explicitant les concepts structuraux (e.g., faille, plis), leurs relations, et leurs implications spatiales et temporelles : un cadre de connaissance géologique. Ce changement de paradigme transforme la géomodélisation en un processus d'interprétation automatique des structures basé sur l'intelligence artificielle, plutôt qu'un processus mathématique d'interpolation.

Three-dimensional representations of sub-surface architectures are key for exploring georessources and quantitatively addressing geoscientific questions (e.g., about tectonics, magmatism). The description of such architectures encompasses a geometrical description of the main structural objects in a modelled area (e.g., stratigraphic layers, faults, folds) and their spatial and time relationships. This doctoral project will explore an alternative paradigm for modelling 3D geological architectures of subsurface with an improved formalism of concepts and uncertainties. This project aims at (1) improving the numerical formalisation of knowledge and hypotheses embedded in the subsurface representation and (2) improving the characterization of structural uncertainties. This project will mainly address epistemic uncertainties, which partly result from the ambiguity and sparsity of available data. Ambiguity is generally compensated by manually introducing expert interpretive information (e.g., as interpretive cross-sections). The student in charge of this project will develop an innovative approach that implements the cognitive interpretation process applied by geologists. Its formalisation will rely (1) on examples gathered in a corpus of natural and simulated objects, (2) on a formal description of geological concepts gathered in an ontology of structures, and (3) on an automated interpretation method based on spatiotemporal descriptors. This new paradigm approaches geomodelling as an automated interpretation process based on artificial intelligence instead of a direct data interpolation. The proposed method will improve the integration of heterogeneous data, scale management, and exploration of epistemic uncertainties, while clarifying the structural concepts embedded in explored architectures.