Grant: Discovery Grants Program - Individual
École Polytechnique de Montréal
$60,000.00
Inversion de formes d'ondes et apprentissage profond: vers une estimation quantitative des paramètres viscoélastiques de la sous-surface
FY 2023-24
Summary
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.
Program
Discovery Grants Program - Individual
Recipient
Location
Quebec, Canada
Recipient Type
Academia
Type
Grant
Source
NSERC's Awards Data
As published
Application id
RGPIN-2018-06163
Name nom
Fabien-Ouellet, Gabriel
Department département
Département des génies civil, géologique et des mines
Organization id
64
Institution établissement
École Polytechnique de Montréal
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2023
Competition year année de concours
2018
Award amount
60000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
DISCOVERY RESEARCH
Group fr
RECHERCHE AXÉE SUR LA DÉCOUVERTE
Committee code
1506
Committee name en
Geosciences
Committee name fr
Géosciences
Area of application code
1203
Area of application group en
Advancement of knowledge
Area of application group fr
Avancement des connaissances
Area of application en
Earth sciences
Area of application fr
Sciences de la terre
Research subject code
9999
Research subject group en
Not available
Research subject group fr
Not available
Research subject en
Non disponible
Research subject fr
Non disponible
Application title
Inversion de formes d'ondes et apprentissage profond: vers une estimation quantitative des paramètres viscoélastiques de la sous-surface
Keyword
Apprentissage profond; Géotechnique; Imagerie sismique; Inversion de formes d'ondes; Logiciels libres; Propriétés mécaniques des roches; Risques sismiques
Application summary
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.