1.3 Revue bibliographique
La discrimination des événements sismiques est
l'un des volets les plus étudiés de la sismologie. Et avec le
CTBT, les travaux de recherches sont multipliés afin de trouver les
outils performants qui permettent de caractériser la source des signaux
sismiques captés par les sismomètres.
Pour les recherches statistiques une discrimination par le
temps local peut être suffisante [5]. En effet, les explosions
minières sont interdites durant la nuit. Une autre possibilité
est de tester la distribution de l'événement par rapport à
la distribution poissonienne [267]. Or, cet approche est inapplicable pour les
événements singuliers tel que les explosions nucléaires
souterraines. Ainsi, pour mieux caractériser les
événements sismiques, on fait recours à la discrimination
basée sur les ondes sismiques.
Le principal discriminant basé sur les ondes est la
localisation avec une importance spéciale à la
détermination de la profondeur dont les meilleurs indicateurs sont les
phases pP et sP [226]. Et malgré, la difficulté de
détection de ces signaux, à cause des effets de la trajectoire,
plusieurs méthodes utilisent le mécanisme focal et la
complexité de la coda pour déterminer la profondeur. Ces
méthodes sont généralement basées sur la
modélisation des ondes de corps [127], beamforming [324] et les
techniques cepstrales [8]. Ces derniers sont basées sur l'analyse
cepstrale dont l'objectif est de déterminer les échos dans le
signal en utilisant des méthodes simples du traitement du signal, et en
principe, cette analyse est capable de détecter les retards temporels
des phases sismiques pP et sP qui pourraient être utilisés dans
l'amélioration de l'estimation de la profondeur focale de
l'événement [106]. Une autre méthode cepstrale, dite
F-statistique cepstrale (cepstral Fstatistic), a été
développée par Reiter et Shumway [253] et Bonner et al. [46] en
se basant sur les résultats de Shumway et al. [277]. L'analyse cepstrale
a été utilisée avec succès dans plusieurs travaux
[8, 38, 178], alors que la F-statistique cepstrale a été
testée avec grand succès pour les distances
télésismiques et avec un degré moins pour les distances
régionales [45]. Une autre méthode pour améliorer la
détermination de la profondeur a
été proposée par Murphy et al. [224, 223] en
utilisant un algorithm de Israelsson [159].
Tenant compte de l'importance de la détermination des
premières arrivées (onset) dans la localisation des
événements sismiques, Der et Shumway [85] ont
présenté un papier concernant leur estimation automatique. Ce
travail utilise les deux aspects : CUSUM (Cumulative Sum) qui a fait l'objet de
plusieurs travaux [230, 231, 24], et SA (Simulated Annealing) pour estimer les
arrivées des phases sismiques régionales. Le premier fait la
détection de l'arrivée comme un changement de la tendance de la
CUSUM par un test statistique convenable et le deuxième fait une
recherche aléatoire avec le SA pour la localiser. Une application de la
méthode, pour les signaux sismiques courtes-périodes
régionaux et télésismiques, est donnée dans
[84].
La large incertitude liée à la
détermination de la profondeur rend ce discriminant inefficace dans
plusieurs situation. Donc, on fait appel à d'autres discriminants parmi
lesquels, le ratio mb:Ms reste sans conteste le discriminant le plus efficace
pour les signaux télésismiques [47, 74, 283]. Il repose sur le
fait qu'une explosion favorise la production des ondes P très
énergétiques par rapport aux autres types d'ondes. Alors que les
tremblements de terre engendrent les ondes de cisaillement et de surface qui
dominent le sismogramme à des distances télésismiques.
Cependant, pour les distances régionales et pour le cas des tremblements
de terre profonds, les ondes de surface ont de faibles amplitudes qui sont
très difficile à mesurer, et donc le discriminant mb:Ms ne peut
pas être formulé. Pour résoudre ce problème,
Anderson et al. [13] ont montré que si Ms est très difficile
à mesurer et si on connaît seulement qu'elle est inférieure
à un seuil suffisamment petit par rapport à mb alors
l'événement est fort probable une explosion. Et partant du fait
que les filtres phase-matched peuvent améliorer les faibles ondes de
surface en compressant les signaux dispersés [142], et que les signaux
compressés peuvent être filtrés pour éliminer les
sources de bruit tel que les bruits microsismiques et la coda. Alors par cette
méthodologie, on peut, d'une part, extraire les signaux d'onde de
surface à partir des mesures bruitées et, d'autre part, calculer
Ms aux distances régionales et fixer le seuil de mesure des ondes de
surface [241, 284].
proposés. Ces derniers sont calculés pour
différentes bandes de fréquence et pour différentes phases
régionales (Pn, Pg, Sn, Sg et Lg) [246]. Dans ce contexte, Pomeroy et
al. [249] a étudié plus de 12 paramètres pour la
discrimination régionale et qui peuvent être tirés des
sismogrammes; et il a pu mettre en evidence les ressemblances entre le
discriminant télésismique mb:Ms et le discriminant
régional Pg:Lg. De plus, en étendant,la méthode QNED
(Quadratic Negative Evidence Discrimination) [98] vers le cas régional,
Anderson et al. [13] ont pu prouver que si le seuil de Lg est suffisamment
petit par rapport à Pg alors l'événement est fort probable
une explosion. Un autre discriminant Pn:Lg du même type a montré
de grandes performances pour la discrimination entre les explosions
nucléaires et les tremblements de terre [313, 137]. D'autres
discriminants existent mais sont moins utilisés tel que le ratio P/S
[166] , la coda [136, 215, 216] et la combinaison de plusieurs ratios [296].
Afin d'améliorer les performances des discriminants
ci-dessus, le développement des méthodes transportables
permettant la correction des effets de la trajectoire sur la propagation des
ondes sismiques s'avère nécessaire. Ainsi, de bonnes corrections
de la trajectoire avec certain degré de confiance ont été
définies dans des régions bien calibrées [245]. Mais, le
problème reste posé pour les régions où on a peu de
données. Pour résoudre ce problème, les chercheurs ont
fait des corrections basées sur l'identification des structures
similaires de la croûte, c'est à dire, qui ont des effets
similaires sur la propagation régionale. Les types de la croûte
sont caractérisés par des paramètres géophysique
statistiques variant avec la lithologie. Cette dernière peut inclure la
topographie, la gravité, l'épaisseur de la croûte,
l'épaisseur des sédiments, la magnétisation, l'âge
et le flux de la chaleur [128]. Cette approche a été
initié par Zhang et al. [337] qui ont démontré l'existence
d'une cor- relation entre les statistiques topographiques et les ratios des
amplitudes des ondes P et S pour les distances régionales.
Des travaux récents [194, 195] ont montré que le
problème de la caractérisation et de la correction des phases
régionales au niveau des effets de propagation pourra être vaincu
en utilisant trois approches: les méthodes empiriques basées sur
la dépendance paramétrique des propriétés de la
trajectoire [244], les méthodes d'interpolation tel que cap-averaging et
kriging [270, 261] et les méthodes de modélisation de la forme
d'onde qui
sont basées sur la synthèse complète des
formes d'onde pour les modèles de la croûte en un, deux ou trois
dimensions. Dans ce cadre et partant du fait que la correction des amplitudes
offre plusieurs avantages que la correction des ratios, Taylor et al. [299] et
Walter et al. [315] ont développé une méthodologie dite
MDAC (Magnitude and Distance Amplitude Corrections) permettant
d'éliminer les effets de la magnitude mb et de la distance sur les
amplitudes des phases sismiques régionaux . Cette méthode est une
version améliorée du SPAC (Source and Path Corrections) [297,
298] utilisant le modèle de Brune [51] et des corrections de la
trajectoire à une seule dimension. Cependant, l'application du MDAC a
montré que certaines variations des amplitudes dues à
l'hétérogénéité structurelle persistent.
Afin de palier ce problème, Rodgers et al. [261] ont
développé une correction utilisant un modèle à deux
dimensions et la méthode kriging (nonstationary bayesian
kriging) [270]. Une deuxième version MDAC2 avec un
modèle de Brune généralisé a
étéproposée par Walter et Taylor [316] et
améliorée par Walter et al. [314]. D'autres travaux
de correction ont été faits pour des
discriminants particuliers tel que ceux de Baker [19] pour le discriminant
Pg:Lg, de Patton [242] pour mb :Ms, et de Baumgardt et al. [26] pour les
discriminants P(Pn,Pg)/S(Sn,Lg). Mais, il apparaît que la
transportabilité de ces corrections est très difficile à
assurer ou à évaluer. Dans ce sens, Rodgers et al. [261] ont
montré que les corrections faites dans une région pourraient
être non applicables même dans les régions adjacentes.
L'utilisation des réseaux de neurones de type MLP pour
la classifications des signaux sismiques a été initiée par
les travaux de Dowla et al. [91] et Dysart et Pulli [96] pour discriminer,
respectivement, entre les séismes régionales d'une part, et les
explosions nucléaires et chimiques d'autre part. Ceci en utilisant
certains paramètres spectraux relatifs aux phases régionales
comme paramètres d'entrée pour le réseau MLP. Dans le
même sens, d'autres travaux ont été réalisés
utilisant la même démarche [262, 90, 225, 101]. Cependant, les
performances de ces méthodes sont principalement liées d'une
façon qualitative et quantitative aux paramètres d'entrée
du réseau de neurones. Pour vaincre ce problème, DelPezzo et al.
[81] et Scarpetta et al. [269] ont utilisé le spectrogramme pour
représenter les signaux sismiques et le codage linéaire
prédictif (LPC: Linear Predictive Coding) pour l'extraction des
caractéristiques. Benbrahim et al. [31] ont utilisé le
scalogramme
de l'ondelette de Ben pour améliorer la
représentation, la projection aléatoire pour la réduction
de la dimensionnalité sans faire un découpage au signal acquis et
le réseau MLP pour la classification. On trouve aussi dans la
littérature d'autre méthodes basées sur le réseau
MLP quadratique [9], MLP associatif [97] et les ensembles des réseaux
MLP [275].
| 
