Des chercheurs de l'Université de Californie à Berkeley ont développé une nouvelle méthode pour évaluer la résistance des bâtiments lors de grands tremblements de terre. La méthode utilise l’apprentissage automatique pour analyser les données des tremblements de terre passés et identifier des modèles pouvant être utilisés pour prédire le comportement de différents types de bâtiments lors de futurs tremblements de terre.
Les chercheurs affirment que leur méthode est plus précise que les méthodes traditionnelles d’évaluation sismique, basées sur des modèles simplifiés du comportement des bâtiments. Les modèles d'apprentissage automatique peuvent capturer les interactions complexes entre les différentes parties d'un bâtiment et leur environnement, permettant ainsi de prédire plus précisément le comportement d'un bâtiment en cas de tremblement de terre.
Les chercheurs ont testé leur méthode sur un ensemble de données de plus de 1 000 bâtiments endommagés lors de tremblements de terre passés. Le modèle a pu prédire avec précision le niveau de dommages de chaque bâtiment, même pour les bâtiments qui n'étaient pas explicitement inclus dans les données de formation.
Les chercheurs affirment que leur méthode pourrait être utilisée pour contribuer à améliorer la sécurité sismique des bâtiments. En identifiant les bâtiments qui présentent un risque élevé de dommages, les ingénieurs peuvent prendre des mesures pour les moderniser et les rendre plus résistants aux tremblements de terre.
La recherche a été publiée dans la revue Earthquake Engineering and Structural Dynamics.
Comment fonctionne la méthode
Le modèle d’apprentissage automatique utilisé dans l’étude est un type de réseau neuronal artificiel. Les réseaux de neurones artificiels s'inspirent du cerveau humain et peuvent apprendre à reconnaître des modèles dans les données. Le modèle a été formé sur un ensemble de données de plus de 1 000 bâtiments endommagés lors de tremblements de terre passés. Le modèle a appris à identifier des modèles dans les données associés à différents niveaux de dommages.
Une fois le modèle entraîné, il a été testé sur un ensemble de bâtiments qui n'étaient pas inclus dans les données d'entraînement. Le modèle a pu prédire avec précision le niveau de dommages de chaque bâtiment.
Avantages de la méthode
La méthode d'apprentissage automatique offre plusieurs avantages par rapport aux méthodes traditionnelles d'évaluation sismique.
* Précision : Le modèle d’apprentissage automatique est plus précis que les méthodes traditionnelles d’évaluation sismique, basées sur des modèles simplifiés de comportement des bâtiments.
* Flexibilité : Le modèle d'apprentissage automatique peut être utilisé pour évaluer une grande variété de bâtiments, y compris des bâtiments aux géométries complexes et aux formes irrégulières.
* Vitesse : Le modèle d’apprentissage automatique peut être utilisé pour évaluer rapidement un grand nombre de bâtiments.
Applications de la méthode
La méthode d’apprentissage automatique pourrait être utilisée pour diverses applications, notamment :
* Évaluations de la sécurité sismique : La méthode pourrait être utilisée pour identifier les bâtiments qui présentent un risque élevé de dommages lors d'un tremblement de terre.
* Rénovation : La méthode pourrait être utilisée pour aider les ingénieurs à concevoir des mesures de rénovation pour les bâtiments présentant un risque élevé de dommages.
* Intervention d'urgence : La méthode pourrait être utilisée pour aider les secouristes à évaluer les dommages causés aux bâtiments après un tremblement de terre.
La méthode d’apprentissage automatique est un nouvel outil prometteur pour évaluer la sécurité sismique des bâtiments. La méthode est précise, flexible et rapide, et elle pourrait être utilisée pour diverses applications.
