Le Seismo-Performer : Une Nouvelle Approche d'Apprentissage Automatique pour la Reconnaissance Générale et Efficace des Phases Sismiques à Partir des Séismes Locaux en Temps Réel

Lors de l’enregistrement du mouvement sismique du sol à plusieurs sites à l’aide de stations d’enregistrement indépendantes, il est nécessaire de repérer la présence des mêmes parties des ondes sismiques arrivant à ces stations. Ce problème est connu en sismologie sous le nom de « sélection de phases sismiques » (seismic phase picking). Il est particulièrement difficile d’automatiser cette sélection avec une précision équivalente à celle des experts humains. En résolvant ce problème, il deviendrait possible d’automatiser le traitement régulier en temps réel sur n’importe quel réseau local. Une nouvelle approche basée sur l’apprentissage automatique a été développée pour classifier les phases sismiques issues de tremblements de terre locaux. Le modèle résultant repose sur des spectrogrammes et utilise une architecture de type transformer, intégrant un mécanisme d’attention auto-attentive, sans blocs de convolution. Ce modèle est généralisable à divers réseaux locaux et ne comporte que 57 000 paramètres à apprendre. Pour évaluer ses capacités de généralisation, deux nouveaux jeux de données ont été conçus, comprenant des données de tremblements de terre locaux recueillies dans deux régions distinctes à l’aide d’une large variété d’instruments sismiques. Ces données n’ont pas été utilisées dans le processus d’entraînement de tout modèle, afin d’estimer de manière objective la capacité de généralisation. Le nouveau modèle obtient les meilleurs résultats en classification et en performance computationnelle, même avec ses poids pré-entraînés, comparé aux modèles de référence issus de travaux antérieurs. Le code du modèle est disponible en ligne et est directement utilisable pour un traitement en temps réel quotidien sur du matériel sismique conventionnel, sans nécessiter de processeurs graphiques (GPU).