Thèse Cadre Intelligent pour l'Évaluation Rapide des Sites Sismiques à l'Aide de la Modélisation Adjointe et des Réseaux Neuronaux Application aux Sites d'Essai Chiliens H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes École doctorale : Sciences Mécaniques et Energétiques, Matériaux et Géosciences Laboratoire de recherche : LMPS - Laboratoire de Mécanique Paris-Saclay Direction de la thèse : Fernando LOPEZ-CABALLERO ORCID 0000000210101230 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-04-21T23:59:59 La caractérisation sismique précise d'un site est un élément fondamental de l'ingénierie sismique moderne, car les conditions locales dusol modifient considérablement l'amplification des mouvements du sol et, par conséquent, les contraintes structurelles imposées aux bâtiments et aux infrastructures [1], [2]. Les méthodes conventionnelles basées sur les ondes de surface, telles que l'analyse multicanaux des ondes de surface (MASW-1D) [3], sont largement utilisées pour estimer la variation verticale de la vitesse des ondesde cisaillement (Vs) en raison de leur simplicité et de leur rentabilité. Cependant, ces approches reposent sur l'hypothèse d'un milieu stratifié horizontalement, qui s'avère souvent erronée dans les environnements géologiques complexes où les hétérogénéités latérales contrôlent la réponse sismique [3], [4]. Des études récentes menées au Chili, en particulier dans la région de La Serena, IVe région, ont montré des divergences entre les analyses MASW-1D et MASW-2D, suggérant que même de légères irrégularités topographiques ou stratigraphiques peuvent entraîner un biais important dans l'inversion de la vitesse et une représentation erronée de la géométrie dusous-sol [5].
Pour surmonter ces limites, des simulations numériques avancées basées sur la méthode des éléments spectraux (SEM) sont apparues comme une alternative robuste pour modéliser la propagation des ondes sismiques dans des domaines 3D hétérogènes [6]. En particulier, le code SEM3D développé au CEA, à CentraleSupélec, à l'IPGP et au CNRS [7] permet de représenter des structures géologiques complexes et de calculer des réponses de champ d'ondes complètes, offrant ainsi un excellent cadre pour l'analyse haute fidélité des sites. À partir de données sismiques, les techniques d'inversion constituent un moyen puissant et efficace d'extraire des informations sur la stratigraphie souterraine et les propriétés des matériaux [8-10]. Néanmoins, la construction de modèles de vitesse3D réalistes reste exigeante sur le plan informatique et dépend fortement des connaissances géologiques préalables. L'intégration de la méthode adjointe, qui minimise de manière itérative l'écart entre les mouvements du sol observés et simulés, offre une voie prometteuse pour affiner les modèles initiaux vers des solutions physiquement cohérentes [8-9], [11-13].
S'appuyant sur ces avancées, le présent projet de doctorat propose de coupler les capacités d'inversion adjointe du SEM3D avec des réseaux neuronaux supervisés afin de créer un cadre intelligent, basé sur les données, pour une évaluation rapide de la fiabilité des sites. Les réseaux neuronaux seront entraînés à reconnaître les modèles dans les résidus entre les champs d'ondes synthétiques etenregistrés, apprenant à classer si un site se comporte selon des hypothèses 1D ou nécessite une modélisation 3D [14-16]. Cette approche hybride combine l'interprétabilité de la modélisation physique et l'efficacité de l'intelligence artificielle, permettant un apprentissage continu à partir de nouvelles données de terrain collectées sur plusieurs sites chiliens. À terme, le projet vise à mettre en place un outil d'aide à la décision capable d'indiquer, à l'aide d'un « système de feux tricolores », la pertinence des hypothèses 1D pour un site donné, guidant ainsi les efforts de caractérisation sismique et optimisant les ressources informatiques. Building upon these advances, the present Ph.D. project proposes to couple the adjoint inversion capabilities of SEM3D with supervised neural networks to create an intelligent, data-driven framework for rapid site reliability assessment. Neural networks will be trained to recognize patterns in the residuals between synthetic and recorded wavefields, learning to classify whether a site behaves according to1D assumptions or requires 3D modeling [14-16]. This hybrid approach merges the interpretability of physics-based modeling with the efficiency of artificial intelligence, allowing continuous learning from new field data collected across multiple Chilean sites. Ultimately, the project seeks to establish a decision-support tool capable of indicating, through a traffic-light system, the adequacy of 1D assumptions for a given site-thereby guiding seismic characterization efforts and optimizing computational resources. This Ph.D. research aims to address the challenge of improving seismic site characterization in heterogeneous soils through the integration of physics-based adjoint modelling and neural network learning. The following objectives are proposed for a three-year period:
1. Adjoint-Based Model Refinement (Building upon existing implementation)
- Extend the existing SEM3D adjoint framework developed during the Master's research.
- Use La Serena as a benchmark to quantify misfit reduction and convergence.
- Adapt the inversion workflow for additional Chilean sites.
2. Neural Network Learning and Data Fusion
- Design supervised neural network architectures capable of learning from residuals between SEM3D simulations and field recordings.
- Train the network using datasets from multiple Chilean test sites with varying geological conditions to ensure generalization and robustness.
- Integrate physical constraints derived from adjoint modelling into the neural network training process to achieve physics-informed learning.
3. Intelligent Site Classification System
- Develop a classification algorithm that assigns reliability levels to 1D velocity models based on the trained neural network outputs.
- Implement the classification as an intelligent traffic-light system (green/yellow/red) that indicates whether a site behaves as horizontally layered or exhibits significant lateral heterogeneity.
4. Application and Validation
- Apply the developed framework to selected test sites in Chile to validate its predictive capability.
- Compare the results with independent MASW-2D and HVSR measurements to assess the framework's reliability and transferability. The approach combines traditional surface-wave techniques, such as MASW-1D and MASW-2D, with advanced numerical simulations based on the Spectral Element Method (SEM).
The SEM3D code is employed to model seismic wave propagation in heterogeneous 3D geological environments.
In addition, an inversion workflow using the adjoint method is implemented to iteratively refine an initial velocity model by minimizing the misfit between recorded and simulated ground motions.
This integrated framework enables the construction of more realistic subsurface models that account for both vertical and lateral variations

Le/La candidat(e) devra posséder de bonnes connaissances en :
- Analyse par éléments spectrale.
- Génie mécanique et génie civil.
- Programmation pour simulations numériques et développement de modèles.