Détection et localisation de séismes par Deep-Learning (PhaseNet) - Archive ouverte HAL Accéder directement au contenu
Autre Publication Scientifique Lettre d'information Résif Année : 2021

Détection et localisation de séismes par Deep-Learning (PhaseNet)

Résumé

Les procédures de détection, de localisation et de caractérisation des événements sismiques reposent jusqu'à présent essentiellement sur des critères d'analyse automatique du signal bas niveau (détection de variations d'amplitudes du signal) et sur le travail d'analystes inspectant visuellement les signaux, et effectuant « à l'oeil » la caractérisation des sources sismiques (tir de carrière, séisme, explosion, etc). Cependant, avec l'augmentation massive des données à traiter depuis la densification du réseau RLBP/RAP, ces procédures doivent être repensées et un fort intérêt émerge pour le développement de méthodes de détection automatique robustes, prenant en compte toute la complexité du signal sismologique. Les techniques de type Deep-Learning (DL) appartiennent à cette catégorie d'algorithmes.
Fichier principal
Vignette du fichier
Detection-et-localisation-de-seismes-par-deep-learning-phase-net.pdf (857.2 Ko) Télécharger le fichier
Origine : Fichiers éditeurs autorisés sur une archive ouverte

Dates et versions

hal-03662227 , version 1 (12-05-2022)

Identifiants

  • HAL Id : hal-03662227 , version 1

Citer

Benoît Derode, Sébastien Benahmed, Marie Calvet, Sébastien Chevrot, Alisson Gounon, et al.. Détection et localisation de séismes par Deep-Learning (PhaseNet). 2021, pp.6-7. ⟨hal-03662227⟩
134 Consultations
46 Téléchargements

Partager

Gmail Facebook X LinkedIn More