Alerte tsunami à partir de signaux élasto-gravitationnels par apprentissage profond

Tsunami warning from prompt elastogravity signals using deep learning

• Auteur / Autrice : Gabriela Arias mendez
• Direction : Quentin Bletery, Jean-Paul Ampuero
• Type : Projet de thèse
• Discipline(s) : Doctorat sciences de la planete et de l'univers
• Date : Inscription en doctorat le 01/01/2021
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences fondamentales et appliquées
• Partenaire(s) de recherche : Laboratoire : Laboratoire GEOAZUR

Mots clés

Mots clés libres

Séismes

Tsunamis

Alerte précoce

Signaux élastogravitationnelles rapides

Apprentissage profond

Earthquakes

Tsunamis

Early warning

Prompt elastogravity signals

Deep learning

Résumé

Cette thèse s'inscrit dans le cadre du projet ERC-StG EARLI porté par Quentin Bletery à l'Institut de Recherche pour le Développement (IRD). L'objectif de ce projet est de développer un algorithme d'Intelligence Artificielle capable d'estimer la magnitude des grands séismes en temps réel à partir d'un signal appelé PEGS (pour « Prompt Elasto-Gravity Signals »). Dans ce contexte, la thèse consistera à construire une base de données synthétique de PEGS. Le doctorant utilisera des codes existants pour modéliser les PEGS théoriques induits par un large échantillon de séismes susceptibles de survenir sur les stations sismologiques existantes. Il ou elle ajoutera ensuite à ces signaux du bruit empirique collecté directement sur les stations. La base de données synthétique ainsi obtenue servira à entrainer un algorithme d'Intelligence Artificielle à estimer rapidement la magnitude des grands séismes. Le premier cas d'application sera la zone de subduction Andine avec un intérêt particulier pour Chili.

This thesis is part of the ERC-StG EARLI project led by Quentin Bletery at the Institut de Recherche pour le Développement (IRD). The objective of this project is to use an Artificial Intelligence algorithm capable of estimating the magnitude of large earthquakes in real time from a signal called PEGS (for 'Prompt Elasto-Gravity Signals'). In this context, the thesis will consist in building a synthetic database of PEGS. The doctoral student will use existing codes to model the theoretical PEGS induced by a large sample of earthquakes likely to occur on existing seismological stations. She will then add empirical noise collected directly from the stations to these signals. The synthetic database thus obtained will be used to train an Artificial Intelligence algorithm to quickly estimate the magnitude of large earthquakes. The first case of application will be the Andean subduction zone with a particular interest on Chile.