WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Contribution à la discrimination des signaux sismiques

( Télécharger le fichier original )
par Mohammed BENBRAHIM
Université Mohammed V - Agdal - Doctorat en sciences appliquées 2007
  

sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

UNIVERSITE MOHAMMED V AGDAL
ECOLE MOHAMMADIA D'INGENIEURS

CONTRIBUTION A LA DISCRIMINATION DES
SIGNAUX SISMIQUES

MOHAMMED BENBRAHIM
DEPARTEMENT DE GENIE ELECTRIQUE

THESE PRESENTEE EN VUE DE L'OBTENTION
DU DIPLÔME DE DOCTORAT EN SCIENCES APPLIQUEES
(AUTOMATIQUE ET INFORMATIQUE INDUSTRIELLE)
2007

UNIVERSITE MOHAMMED V AGDAL
ECOLE MOHAMMADIA D'INGENIEURS

Cette thèse intitulée:

CONTRIBUTION A LA DISCRIMINATION DES
SIGNAUX SISMIQUES

présentée par: BENBRAHIM Mohammed

en vue de l'obtention du diplôme de: Doctorat en Sciences Appliquées Soutenue le 08 Juin 2007 devant le jury composé de:

Prof. TOUZANI Abderrahmane, EMI, Président

Prof. BENJELLOUN Khalid, EMI, Directeur de thèse

Prof. IBENBRAHIM Aomar, ING, Co-encadrant de thèse et Rapporteur Prof. SBITI Nawal, EMI, Rapporteur

Prof. TOTO El Arbi, FSK, Rapporteur

Dr. BOUZOUBAA Taoufik, TreeDAlgo, Examinateur

Prof. TAALABI Mohamed, EMI, InvitéProf. KASMI Mohamed, ING, Invité

v

REMERCIEMENTS

Ce travail a été réalisé dans le cadre du projet PROTARS DIII-48 mettant en collaboration le Laboratoire d'Automatique et d'Informatique Industrielle (LAII) de l'Ecole Mohammadia d'Ingénieurs (EMI) et l'Institut National de Géophysique (ING) du Centre National pour la Recherche Scientifique et Technique (CNRST).

Je tiens à remercier spécialement mon directeur de thèse, le professeur Khalid BENJELLOUN, pour m'avoir guidé au cours de mon cursus à l'EMI. Je lui suis très reconnaissant pour sa patience et je le remercie pour son support académique tout au long de ce travail. J'ai beaucoup apprécié les années que j 'ai passées sous sa supervision et je lui souhaite tout le succès dans ce qu'il entreprend.

Je tiens à remercier également, le professeur Aomar IBENBRAHIM responsable de l'ING et mon co-encadrant de thèse pour m'avoir accueilli dans son équipe de recherche où j'ai acquis mes connaissances dans de le domaine de la sismologie. Je voudrais aussi remercier les membres de son équipe de recherche, les professeurs Mohamed Kasmi et Abdelouahed BIROUK responsables du Réseau National de Surveillance et d'Alerte Sismique Marocain (RESAS) et le professeur Azelarab EL MOURAOUAH responsable du Service de Prévention Sismique et Coopération.

Je voudrais aussi remercier les honorables membres du jury, le professeur Abderrahmane TOUZANI directeur du Centre Régional Africain de Sciences et de Technologie de l'Espace en Langue Française (CRASTE-LF ) à l'EMI, les professeurs Nawal SBITI et Mohamed TAALABI du département de génie électrique section automatique à l'EMI, le professeur El Arbi TOTO de la faculté des sciences de Kénitra (FSK) et Monsieur Taoufik BOUZOUBAA directeur scientifique et technique de la société TreeDAlgo spécialisée dans les systèmes d'aide à la décision.

Mes remerciements vont également envers le corps enseignant du département de génie électrique (plus particulièrement la section automatique) de l'Ecole Mohammadia d'Ingénieurs qui, par leur valeur scientifique et leur qualité pédagogique, ont largement contribué à ma formation académique.

Enfin, je voudrais exprimer toute ma reconnaissance à mes proches et à mes amis qui m'ont toujours soutenu et encouragé pendant ce long travail.

vi

RESUME

Chaque année, les réseaux de surveillance et d'alertes sismiques enregistrent des milliers d'événements sismiques. Or, l'examen manuel de ces enregistrements numériques pour la discrimination entre événements naturels, événements artificiels et bruits est une tâche difficile qui demande des coûts et des efforts considérables.

Plusieurs études ont déjà été menées pour concevoir des méthodes paramétriques de discrimination sismique. Or, ces méthodes ne sont, généralement, ni transportables ni robustes. Pour résoudre ces problèmes, les recherches ont tourné vers le développement de

méthodes non paramétriques. Cependant, la majorité de ces méthodes proposées, jusqu'àprésent, ne traitent que des cas particuliers tout en faisant des traitements manuels aux

signaux avant de les utiliser. Ce qui limite leur utilité dans la pratique.

L'objectif de cette thèse est de concevoir un système modulaire non paramétrique

transportable de discrimination automatique des signaux sismiques en faisant appel àcertaines techniques du traitement des signaux et de l'intelligence artificielle. Ce système

modulaire est composé de quatre parties: acquisition, représentation, réduction de la dimensionnalité et classification.

Une étude des représentations temporelle, fréquentielle, temps-fréquence et temps- échelle, pour le cas des signaux non stationnaires en général et le cas des signaux sismiques en particulier, a permis de mettre en évidence les limites de leurs résolutions temporelles et fréquentielles formulées sous formes de nouvelles inégalités d'Heisenberg-Gabor. D'autre part, une nouvelle ondelette complexe dite ondelette de Ben est présentée en démontrant son admissibilité.

La réduction de la dimensionnalité des images sismiques issues des représentations bidimensionnelles constitue une partie principale de notre système de discrimination automatique des signaux sismiques. En effet, la durée de tels signaux est variable en dépendance avec l'événement d'origine et sa proximité des sismomètres. Dans ce cadre, une approche basée sur la combinaison de la projection aléatoire et l'analyse en composantes principales est proposée.

Pour la classification, une étude de l'influence des différents paramètres d'un classificateur de type perceptron multicouches est réalisée. Ce qui a permis de conclure qu'une combinaison de plusieurs classificateurs est le seul moyen d'améliorer les performances. Ainsi, trois approches de discrimination sont proposées: discrimination locale, régionale et globale. D'autre part, afin de faire un rejet des signaux bruits, un système de reconnaissance utilisant les réseaux de neurones auto-associatifs est présenté.

La mise en oeuvre du système de discrimination automatique proposé est assurée par le logiciel Marocain d'analyse des signaux sismiques (MSSSA: Moroccan Software for Seismic Signals Analysis) qui est conçu et réalisé dans le cadre de cette thèse tout en utilisant les signaux acquis par le réseau sismologique Marocain.

Les tests expérimentaux ont permis de montrer les performances du systèmes proposés. Ainsi, nous avons pu atteindre via une modèle de la discrimination sismique locale et pour une moyenne de 100 tests un taux d'erreur de classification de 0.05 % pour le cas d'une discrimination à deux classes et 0.033 % pour le cas d'une discrimination à trois classes.

ix

sommaire suivant






La Quadrature du Net