Documente Academic
Documente Profesional
Documente Cultură
Mmoire
Option : Matriaux-Structures-Gotechniques
Thme
Prsent par
DERRAS Boumdine
Pour conclure, une pens sadresse chaque personne ayant contribu -de
prs ou de loin- llaboration de ce modeste travail; et que les expressions
manquent pour exprimer les reconnaissances les plus sincres.
Rsum
Les leons tires des violents tremblements de terre passs, montrent que les dgts les
plus importants ne sont pas ncessairement limits la proximit immdiate du foyer du
sisme, mais quils peuvent galement survenir de grandes distances. Les dgts les plus
importants se sont produits plusieurs centaines de kilomtres de lpicentre autant Mexico
en 1985 qu San Fransisco en 1989. Dans les deux cas, leffet de site est le responsable de la
grande majorit des dgts : les mouvements taient amplifis et conduisaient un
accroissement de lintensit.
Parmi les approches qui ont t largement utilises ces dernires annes comme un
outil de modlisation efficace dans diffrents domaines, la mthode de rseaux de neurones
artificiels qui reprsente loutil de base de ltude de leffet de site dans le prsent travail.
Pour cela, deux systmes de rseaux de neurones sont dvelopps : le premier est bas sur le
modle linaire quivalent, et le deuxime sur les vnements rels enregistrs en surface et
en profondeur, afin dune part, destimer le niveau de risque li leffet de site partir des
facteurs damplification spectrale et dautre part, de se prononcer sur la capacit de la
mthode neuronale tracer le spectre de rponse en surface partir de celui enregistr sur un
site de rfrence, en tenant compte des proprits lastiques du profil par une classification de
site base sur deux paramtres : la vitesse de cisaillement moyenne sur trente mtres de
profondeur et la frquence caractristique du sol.
Afin de valider les deux systmes neuronaux, quatre exemples sont prsents. Il en
rsulte que, les deux systmes sont bien placs pour estimer le niveau de risque sous des
sollicitations faibles modres en signalant une sous-estimation du risque sous une
excitation forte pour le premier systme neuronal, en outre, les spectres de rponses gnrs
la surface libre par le deuxime systme neuronal peuvent donner des approximations
intressantes du point de vu engineering.
Mots cls
sisme- leffet de site- rseaux de neurones- modle linaire quivalent- niveau de risque-
amplification spectrale- spectre de rponse- classification de site.
Abstract
The lessons drawn from the violent ones earthquakes recent great, show that the most
important damage is not necessarily limited in the immediate vicinity of the focus of the
seism, but which they can also occur at long distances. The most important damage occurred
to several hundreds of kilometers of the epicenter as much in Mexico City in 1985 and in San
Francisco in 1989. In both cases, the site effect is the responsible of the great majority of the
damage: the movements were amplified and led to an increase in intensity.
Among the approaches which gained these last years fully as an effective tool of
modeling in various fields is the method of artificial neural networks which represents the
basic tool of the study of the site effect in this work. For that, two systems of neural networks
are developed: the first one is based on the equivalent linear model and the second on the real
events recorded on the surface and in-depth, in order to a share, to estimate the level of risk
related to the effect of site starting from the factors of spectral amplification and in addition,
to decide on the capacity of the neuronal method to draw the spectrum of response on the
surface from that recorded on a site of reference, by taking account of the elastic properties of
the profile by site classification based on two parameters: the average of shear velocity on
thirty meters of depth and the frequency characteristic of the soil.
In order to validate the two neuronal systems, four examples are presented. It results
from it that the two systems are well established to estimate the level of risk under weak
requests at moderate by announcing an undervaluation of the risk under a strong excitation for
the first neuronal system. Moreover, the response spectrum generated to the free face by the
second neuronal system can give interesting approximations regarding the point of
engineering view.
Key words
Earthquake - site effect- neural networks- equivalent linear model- Level of risk - spectral
amplification- response spectrum- site classification.
Sommaire
I.1.Introduction ......................................................................................................................... 1
I.2. Organisation........................................................................................................................ 2
Chapitre II : Aperu sur les Mthodes destimations des effets locaux de site .................................... 4
III.1. Introduction.................................................................................................................... 21
III.2. Analyse de la rponse sismique dun profil de sol stratifi horizontalement ........................ 21
III.2.1 Modlisation du sol en milieu continu. ............................................................................ 21
III.2.2. Diffrentes tapes de calcul de la rponse du sol............................................................. 26
III.2.2.1.Solution pour un problme Mono-couche ..................................................................... 27
III.2.2.2. Solution pour un problme bicouche et multicouche .................................................... 30
III.3. Modle linaire-quivalant pour un profil de sol................................................................ 32
III.4. tude comparative et analyse des rsultats ........................................................................ 35
III.4.1. Test sur le site de Oita-Ken........................................................................................... 35
III.4.1.1. Prsentation du site .................................................................................................... 35
III.4.1.2. Calcul effectu .......................................................................................................... 36
III.4.1.3. Analyse des rsultats.................................................................................................. 38
III.4.2. Test sur le site de Shimane ............................................................................................ 39
III.4.2.1. Prsentation du site .................................................................................................... 39
III.4.2.2. Calcul effectu .......................................................................................................... 40
III.4.2.3. Analyse des rsultats.................................................................................................. 42
III.5. Conclusion ..................................................................................................................... 43
Rfrences bibliographiques........................................................................................................109
Annexes.....................................................................................................................................113
5 Annexe 5 : Aperu sur les deux codes de calcul SRISQ et SKRISQ ...........................................137
Chapitre I Introduction gnrale
CHAPITRE I :
INTRODUCTION GENERALE
I.1.Introduction
A linstar de beaucoup dautre pays, lAlgrie du nord est une rgion haut risque
sismique. A cet effet, on rappelle les deux grands sismes margeurs qui ont frapp la rgion
dElAsnam le 10 octobre 1980, dune magnitude de 7.3 et celle de Boumerdes le 21 mai
2003, dune magnitude de 6.8. Cependant, lestimation correcte des actions sismiques
auxquelles les structures peuvent tre soumises est une donne essentielle dans tous les cas de
projet de construction parasismique, dvaluation de la vulnrabilit du bti existant ou de
dfinition de plans urbains dexposition aux risques. Lexprience a montr que dans une
zone donne, les mouvements en des points distincts peuvent tre extrmement diffrents en
terme damplitude, de dure et de contenu frquentiel. Les signaux sont influencs par la
distance picentrale, par lorientation par rapport au plan de rupture et par le chemin suivi par
les ondes. Cependant, les lments gomtriques lis la source ne sont pas suffisants pour
expliquer les observations. Il est maintenant reconnu que les effets de conditions locales de
site peuvent avoir une influence trs forte sur les mouvements sismiques. Par dfinition, les
effets de sites sont des phnomnes vibratoires spcifiques qui se dveloppent en prsence de
formation gologique de caractristiques mcaniques diffrentes. Le rsultat direct de ce
phnomne est lamplification des mouvements sismiques.
Cette amplification rsulte du pigeage des ondes sismiques qui se produisent dans certaines
configurations stratigraphiques et est fortement prsente dans les bassins sdimentaires.
Cependant, leur calcul est thoriquement possible si lon dispose de donnes prcises sur la
gomtrie des couches de terrain et leurs caractristiques gotechniques. Ce qui rend
lopration trs coteuse. Cest pourquoi, les donnes des denses rseaux dacclrographes
installs de par le monde sont exploites dans le but de trouver un moyen simple et efficace
pour modliser, comprendre et diminuer le risque li leffet de site. Parmi les approches qui
ont t largement utilises ces dernires annes comme un outil de modlisation efficace dans
diffrents domaines et qui sest avr rpondre aux conditions cites auparavant est la
mthode de rseaux de neurones artificiels.
-1 -
Chapitre I Introduction gnrale
Lapplication de cette mthode pour estimer le risque li leffet de site reprsente lessentiel
de ce travail. Les paramtres du rseau de neurones sont dtermins par un procd
dapprentissage. Ce composant rduit au minimum l'erreur existante entre les rsultats rels et
les valuations donnes par le rseau. Aprs que cette erreur soit rduite un niveau
acceptable, le rseau peut tre employ comme dispositif d'extrapolation pour des donnes
d'entre non prsentes auparavant.
Dans le prsent travail deux systmes de rseaux de neurones sont tablis. Le premier est bas
sur le modle linaire quivalent dont les inputs sont les paramtres caractrisant le profil du
sol, savoir sa frquence caractristique, son paisseur totale et sa vitesse de cisaillement sur
trente mtres de profondeur; tandis que les outputs sont : les facteurs damplification spectrale
en acclration entre [0,0.5]s et 1.0s. Le deuxime systme neuronal est form avec des
vnements rels enregistrs en surface et en profondeur dont Les entres sont :
Lacclration spectrale enregistre en profondeur et la priode correspondante, ainsi que la
sortie est lacclration spectrale enregistre la surface libre de la terre.
Les deux systmes de rseaux de neurones permettent dune part, de calculer les deux facteurs
damplification spectrale en acclration cits auparavant qui permettent destimer le niveau
de risque li leffet de site (faible risque, moyen risque et haut risque), et dautre part, de se
prononcer sur la capacit de la mthode neuronale tracer le spectre de rponse en surface
partir de celui enregistr en profondeur.
I.2. Organisation
? Dans le deuxime chapitre un partiel historique des dates majeures qui ont marqu la
prise de conscience des effets locaux de site et les mthodes exprimentales et
numriques qui ont contribu lestimation des effets locaux de site sont prsentes.
? Suite cela, une tude sur les modles danalyse de la rponse du sol et une
comparaison entre les rponses fournies par ces modles et celles enregistres sur
sites sont prsentes, dans un souci de choisir un modle qui rentre dans la phase
apprentissage du systme neuronal.
? Le quatrime chapitre, vient pour rpondre la question de la classification de site et
mettre sous test la classification qui se base seulement sur la vitesse de cisaillement
moyenne sur trente mtres de profondeur.
-2 -
Chapitre I Introduction gnrale
-3 -
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
CHAPITRE II :
APERU SUR LES METHODES
METHODES DESTIMATIONS DE
DESS EFFETS
LOCAUX DE SITE
II.1. Introduction
Il est apparu au cours des annes que la nature des terrains soumis aux sismes a une
influence certaine sur le comportement de ces sismes. Ainsi Mac Murdo (B.F Olivier, 2000)
notait dj, en 1824, que lors dun tremblement de terre : "les difices situs sur la roche
taient beaucoup moins affects par les secousses que ceux dont les fondations natteignaient
pas la couche infrieure du sol".
Leffet de site est cette caractristique qu chaque site gologique, selon sa composition
physique et sa gomtrie, de rpondre diffremment aux sollicitations produites par un sisme
(acclration, dformations, contraintes). Ce phnomne est capital dans la construction de
btiments rsistants aux tremblements de terre. De ce fait, beaucoup de mthodes bases sur
des approches exprimentales, empiriques, numriques et neuronales sont prsentes dans le
prsent chapitre et qui ont t dveloppes pour estimer cet effet. En amont, un partiel
historique des dates majeures qui ont contribu la prise en compte des effets locaux de site
est prsent.
Parmi les faits marquants qui jalonnent la prise de conscience de l'importance des
effets de site, quelques dates majeures sont cites:
19 septembre 1985, sisme de Guerrero-Michoacan : La ville de Mexico, situe 300 km
de l'picentre du sisme, subit de trs forts dgts cause de la rsonance du bassin
sdimentaire sur lequel elle est construite, tendis quil ne causa que des dgts modrs prs
de son picentre. Ce constat donna penser que leffet de site au niveau de Mexico City avait
jou un rle important dans lamplification des effets du sisme.
-4-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Figure.II.1. Schma des acclrogrammes enregistrs sur la rgion picentrale et sur le bassin
sdimentaire (elebi. M, 1988).
Figure.II.2. Carte indiquant les trois zones de Mexico city (elebi. M,1988).
-5-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
17 octobre 1989, sisme de Loma Prieta, San Francisco situe au Mont Loma Prieta, 100
km au sud de San Francisco (figure.II.3) de magnitude Ms=7 et dune profondeur de 18.5Km.
-6-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Lampleur des dommages est lie aux conditions locales de la gologie. Son intensit a t, l
encore, plus forte San Francisco qu lpicentre. De plus le fait que ce sisme ait provoqu
des dgts importants dans certaines rgions de la ville, et pas dans dautres, laissait supposer
que leffet de site avait eu un rle important.
Dans la baie de San Francisco, le sol est essentiellement compos dalluvions, et ceux-ci ont
dans certains cas t surconsolids, et dans dautres cas pas. Il en rsulte que cette baie peut
tre divise en trois rgions, lune de boue de San Francisco (argile limoneuse normalement
consolide), une autre dalluvions, et la dernire de roche (figure.II.4).
Figure.II.5. Schma du profil de sol et la rponse de site Treasure Island (Stewart. J, 1997)
De manire gnrale, lattnuation des ondes sismiques se produit beaucoup plus rapidement
dans la zone rocheuse. Deux instruments situs dans la baie, sur deux les trs proches mais de
natures gologiques diffrentes : Yerba Buena Island et Treasure Island. La premire est
naturelle, et est en faite, un affleurement de la roche. La seconde a t cre par lhomme, et
repose sur un banc de sable. Entre ce banc de sable et lle, se trouve une quinzaine de mtres
de boue de San Francisco (figure.II.5). De fait, lors du sisme, les deux instruments, bien que
spatialement trs proches, ont enregistr des acclrations trs diffrentes : (tableau.II.1). Ici
encore, cest la prsence dune couche plus " molle " (la boue de San Francisco) qui a
provoqu lamplification du mouvement au niveau de Treasure Island (figure.II.6).
-7-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Tableau.II.1. Valeurs de lacclration maximale des trois composantes enregistres sur les sites de
Treasure Island et Yerba Buena Island.
Le 21 mai 2003 19h44:40 une forte secousse branle les rgions dAlger et de
Boumerds, sa magnitude est de 6.8, avec un foyer situ environ 10Km de profondeur, Les
stations les plus proches qui ont enregistr le choc principal se trouvent 20 Km de
lpicentre (Kaddara 1 et 2) la distance entre les deux est de 150m.
Cependant, La variation trs significative observe entre la station 1 et 2 en terme
dacclrations maximales dans la direction EW suggre la prsence dun effet de site,
savoir que la station Keddara1 est installe sur un sol rocheux tandis que la station Keddara2
sur un site en remblai.
Keddara 1 : E-W : 0.34g Ver : 0.25g N-S : 0.26 g
Keddara 2 : E-W : 0.58g Ver : 0.22g N-S : 0.35 g
-8-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Figure.II.7. Emplacements des stations denregistrements et les valeurs de PGA des trois composantes
E-W, N-S et V (Pic Ground Acceleration) correspondantes (Laouami. N et al, 2003)
-9-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
0m
-103m
Figure.II. 8.Enregistrements en surface et en profondeur (-103m) sur une mme station du rseau
KIK-NET.
-10-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
-11-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Lussou (2001) a effectu une tude comparative entre les trois acclrographes
prsents sur la figure.II.11, le premier (sisme d'Hector Mine Californie, 16 octobre 1999,
magnitude 7) a une allure "classique" alors que les deux autres sont fortement perturbs. Le
second enregistrement a t obtenu Port Island (sisme de Kobe, 17 janvier 1995, magnitude
7,2) sur un site o de la liqufaction s'est produite. Le troisime acclrographe a t
enregistr sur le site de Kushiro Port (sisme de Kushiro, 15 janvier 1993, magnitude 7,6).
Dans ce cas il a montr que, c'est le phnomne de mobilit cyclique d aux proprits de
dilatance des sables denses qui est responsable des pics observs la fin de lacclrographe.
Cet exemple fait apparatre de manire spectaculaire que lacclrographe enregistr en
surface contient de l'information sur les milieux que l'onde a traverss.
Pour rendre ces mthodes oprationnelles il est indispensable d'effectuer des tests sur un
nombre significatif de donnes, or les donnes bien documentes sont rares. Il faudra donc
patienter encore quelques annes avant de voir merger ces mthodes.
Figure.II. 11. Acclrographes enregistrs Garner Valley (sisme Hector Mine 1999),
Port Island (sisme de Kobe 1995) et Kushiro Port (sisme de Kushiro 1993) (Lussou. P, 2001) .
-12-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Trifunac et Todorovska (1998) ont ralis une tude sur le sisme de Northridge. Les
auteurs analysent les cartes des dommages infligs aux pavillons et aux conduites deau dans
la valle de San Fernando (Figure.II.12). Sachant que les pavillons sont sensibles aux pics de
vitesse et les conduites aux grandes dformations, ils tablissent une corrlation entre les
dgts observs et le comportement du sol. Dans les zones o le sol sest comport
linairement, lnergie des ondes sismiques a t transmise en majorit la surface et a caus
de gros dgts aux pavillons. Dans les zones o la rponse est non linaire, lnergie est
absorbe par la dformation du sol et les dgts sont alors reports sur les conduites enterres.
Cette mthode apporte un clairage trs intressant sur leffet de site linaire et non linaire
mais il parat difficile de quantifier le potentiel de non-linarit dun site donn avec une telle
mthode.
Figure.II.12. Description des dgts dus au sisme de Northridge dans la valle de San Fernando
daprs ( Trifunac. M.D et al, 1998).
Dans ce contexte, Marzorati et al (2003) ont valu les effets locaux de site en
comparant les dommages rels (causs par le sisme de Ombrie Marche du 4 septembre 1997)
dtects par des photos ariennes prises peu de jours aprs les vnements principaux sur les
-13-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
btiments des 60 villages italiens gravement touchs et les dommages thoriques estims par
les courbes empiriques, obtenues partir de l'analyse des sismes italiens rcents, les rsultats
son mentionns sur la figure.II.13. Cette approche peut tre utiliser pour calibrer les rsultats
de l'tude du micro-zonage et pour s'approprier quand une valuation immdiate des
dommages est exige, pour estimer les zones d'amplification. Nanmoins, la quantification du
potentiel des effets locaux dun site reste aussi difficile avec cette mthode.
Une approche trs utilise par des sismologues pour caractriser l'amplification de site
consiste appliquer les techniques d'inversion gnralises l'enregistrement principal et aux
rpliques (secousse secondaire) partir d'un grand nombre de stations (Andrews. D.J, 1986)
et (Hartzell. SH, 1992). Lhypothse principale derrire la mthodologie est qu'un mouvement
enregistr Ui,j(f) peut tre rapproch dans le domaine frquentiel comme un produit de trois
filtres reprsentant le spectre de source Si(f), de propagation d'ondes Pi,j(f) et d'amplification
-14-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Notant, que Rj(f) est assum indpendant du sisme (lamplification de site est linaire).
La combinaison de linversion gnralise ncessite la dtermination de Si(f) et Rj(f) dun
ensemble dquations crites pour tous les sismes et les stations (Eq. II.3.1). A cet gard, les
effets de propagations dondes sont dtermins en premier lieu et sont supposs indpendants
du site : distance site rfrence et faible devant la distance site source, Pi,j (f) est le mme pour
tous les groupes d'enregistrements, un groupe est constitu des enregistrements du sisme i
sur des sols de type j , (afak. E, 2001) :
1 f i, j
Pi, j (f ) = exp II.3.2
ri, j Q
Avec ri,j la distance de la station, i , j est le temps de travail, Q est le temps de passage donde,
-15-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
-16-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Chercheurs quation
A = 68 V10.6 (V1<1100m/s)
(Midorikawa. S, 1987)
A=1 (V1>1100m/s)
(Joyner et Fumal, 1984)
A = 23 V20.45
-17-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Hurtado et al (2001) ont utilis la mthode des rseaux de neurones artificiels (RNA)
pour estimer lhistoire de lacclration sismique la surface libre de la terre dun profil de
sol partir de lhistoire de lacclration sismique au niveau du substratum rocheux calcule
par simulation numrique base sur la mthode de Shinozuka (Shinozuka. M, et al, 1987). Le
programme SHAKE a t employ pour obtenir les enregistrements la surface libre dun
profil unidimensionnel compos de cinq couches de sable, de gravier et dargile. Les
paramtres du RNA sont dtermins par un procd de formation, se composant rduisant au
minimum l'erreur existant entre les rsultats rels (les histoires des acclrations gnres par
le SHAKE) et les valuations donnes par le rseau. Aprs que cette erreur avait t rduite
un niveau acceptable, le rseau peut tre employ comme dispositif d'extrapolation pour des
donnes d'entre non prsentes auparavant.
-18-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Paolucci et al (2000) ont labor un modle neuronal bas sur les paramtres de site
(paramtres dentre) et sur les facteurs damplification spectrale entre 0 et 0.5 sec et 1.0
sec, partir de ces deux facteurs le niveau de risque est valu : haut risque, moyen risque et
faible risque (paramtre de sortie). Il en rsulte que le rseau de neurones dvelopp donne
seulement une indication sur le niveau de risque li leffet de site.
Dans le prsent travail, les denses rseaux dacclrographes installs de par le monde
ont contribu la comprhension de leffet de site et lestimation du risque li ce
phnomne et ce par le biais de la mthode de rseaux de neurones artificiels. Et par la suite,
discut la capacit de la mthode neuronale tracer le spectre de rponse en surface partir
de celui enregistr en profondeur. Cependant, la procdure dapprentissage dun rseau de
neurones reprsente la phase la plus essentielle dans lapproche neuronale. Pour cette raison,
une analyse comparative entre un certain nombre de modles numriques danalyses de la
rponse sismique est effectue en premier lieu, lun de ces modles est sens tre utilis dans
la procdure dapprentissage des rseaux de neurones.
-19-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site
Lanalyse des mthodes destimation des effets locaux de site prsentes dans ce chapitre va
nous orienter effectuer les travaux quil faut adopter dans les prochains chapitres, ces
travaux sont :
1. tudier les diffrents modles numriques danalyse de la rponse sismique,
savoir le modle lastique, viscolastique et linaire quivalent.
2. Chercher les meilleurs paramtres pour classer un site.
3. Estimation du risque li leffet de site et gnration de spectre de rponse en
acclration la surface libre de la terre par lapproche neuronale.
4. Validation du modle neuronal et exploitation des rsultats trouvs.
5. Conclusion gnrale avec recommandations pour les travaux futurs.
II.5. Conclusion
Lensemble de ces mthodes reflte dune part, limportance accorde par les
chercheurs ltude des effets locaux de site et dautre part la multiplicit des approches
dveloppes. En effet, un examen dtaill de lensemble des mthodes montre que lobjectif
principal de ces mthodes est la quantification de ce phnomne physique et ceci ne peut tre
quavec des mthodes fiables (de prfrence qui ncessitent un nombre limit de paramtres
et peu coteux).
Dans ce contexte, une tude sur un ensemble des modles danalyse de la rponse du sol avec
une comparaison entre les rponses fournies par ces modles et celles enregistres sur sites
vont tre prsentes dans le chapitre suivant, dans le souci de choisir un modle qui va tre
utilis dans la phase apprentissage du systme neuronal.
-20-
Chapitre III Modles danalyse de la rponse sismique
CHAPITRE III:
MODELES DANALYSE DE LA REPONSE SISMIQUE
III.1. Introduction
Lanalyse de la rponse dun profil du sol sous un chargement sismique par la thorie
de la propagation donde dans un milieu continu est prsente en dtail dans ce chapitre. La
rponse est dtermine par trois modles: lastiques, viscolastique et linaire quivalent.
Premirement, un claircissement sur linfluence de lamortissement effectif sur
lamplification sismique est donn en comparant les rponses obtenues par le modle
lastique et viscolastique et ce pour des diffrents profils de sols : mono-couche, bi-couches
et multicouches.
Par la suite, une tude sur le modle linaire quivalent est mene en examinant les sources
ventuelles de non-linarit. Enfin, deux tests bass sur deux cas rels viennent pour mettre en
vidence le modle viscolastique et le modle linaire quivalent.
Le problme consiste trouver la rponse dun profil de sol une onde de volume en
utilisant la thorie de propagation dondes dans un milieu continu. Cest un problme
tridimensionnel puisque londe se propage dans toutes les directions. La source est considre
comme constitue dune ligne (faille) et le site suppos plac une distance suffisamment
loigne de la source, le problme devient donc bidimensionnel.
Dans cette analyse le profil du sol est modlis en milieu continu. cet effet, les conditions
suivantes sont adoptes :
En gnie parasismique lhypothse qui est admise est que le mouvement horizontal
rsulte de la propagation donde de cisaillement, et le mouvement vertical de la propagation
de londe de compression.
Chaque couche du profil est affecte dun systme daxes (x,yi) et est galement suppose
homogne, isotrope.
-21-
Chapitre III Modles danalyse de la rponse sismique
Le profil de sol est suppos infini dans le sens x, par consquent, toutes les fonctions
rgissant le profil sont indpendantes des variables x et z.
Pour la modlisation le profil de sol est constitu de N couches horizontales dpaisseur
hi, de masse volumique i , de vitesse de cisaillement complexe i et de coefficient
x Surface libre
1 , 1 , 1
h1
y1 A1 B1
x
2 , 2 , 2
y2 h2
A2 B2
x
i , i , i
hi
yi Ai Bi
x
n , n , n
yn hn
An Bn
x
n +1 , n +1 , n +1
-22-
Chapitre III Modles danalyse de la rponse sismique
La composante ux est la seul tre non nulle et indpendante de x et z: par consquent une
seule composante du tenseur des dformations est galement non nulle (Filiatrault. A,1991) :
1 u x
xy = III.2.1.3
2 y
Le profil de sol est rgi par la loi de Hooke :
ij = kk ij + 2G ij III.2.1.4
(III.2.1.4) est remplace dans (III.2.1.3), pour trouver que seule la contrainte de
cisaillement xy est non nulle :
u x
xy = G III.2.1.5
y
Dans le but de modliser la dissipation dnergie dans le sol, le module de cisaillement G i est
remplac par une quantit quivalente damortissement visqueuse appele module de
cisaillement complexe G (Vrettos. C,2000) :
-23-
Chapitre III Modles danalyse de la rponse sismique
Gi
Avec i = (Hadjebar. M.Y, 2001)
i
Lquation III.2.1.10 est une quation diffrentielle du second ordre coefficients constants.
La solution gnrale de cette quation scrit sous la forme :
x i ( y) = A i e (ii y ) + B i e ( ii y )
III.2.1.11
2
2 = est le numro donde complexe.
G
Lquation III.2.1.11 est crite pour chaque couche du profil de sol, les coefficients Ai et Bi
sobtiennent partir des conditions aux limites suivantes :
- Forme modale normalise lunit en surface :
lim x 1 (y ) = 1 A1 = 1 III.2.1.12
y0
- Contrainte de cisaillement nulle la surface libre :
dx
lim G 1 1 = 0 A1 = B1 III.2.1.13
y 0 dy
- Continuit de la contrainte de cisaillement entre la couche i et la couche i+1 :
x i ( y) = A i e (ii y ) + B i e (ii y )
dx dx
lim G i i = lim G i+1 i+1
dy dy III.2.1.14
y hi y0
-24-
Chapitre III Modles danalyse de la rponse sismique
A i+1 Bi+1 =
i G i
i+1G i+1
(
A i e (ii h i ) Bi e (ii hi )
) III.2.1.15
(
A i+1 + Bi+1 = A i e (ii hi ) + Bi e (ii hi )
) III.2.1.17
i G i i G i
= =
i III.2.1.20
i +1G i+1 i +1G i+1
2A n+1
2A 1
Dpt de sol
Rocher
An+1 +B n+1
Mouvement dentr e
A n+1
-25-
Chapitre III Modles danalyse de la rponse sismique
La figure III.2 schmatise les quatre termes (amplitude) utiliss dans le calcul de la rponse
dun site et est montre que l'onde incidente de cisaillement qui se propage verticalement vers
le haut a pour amplitude An+1, or elle est de An+1+Bn+1 au toit du substratum rocheux sous les
couches de sol. Tandis que dans l'affleurement rocheux lamplitude est gale 2An+1, et enfin
sur la surface libre dun dpt de sol elle est de 2A1.
A partir des quatre amplitudes reprsentes sur la figure III.2 une multitude de fonctions de
transferts peut tre dduite (Bardt. J. P., 2000) :
La premire relie le mouvement du substratum rocheux et le mouvement d'affleurement
rocheux :
Tn +1 n +1 () = 2A n +1
III.2.1.22
A n +1 + B n +1
En outre, la fonction de transfert relie le mouvement la surface libre et le mouvement
d'affleurement rocheux est :
T1 n +1 () =
1
III.2.1.23
A n +1
Finalement, la fonction de transfert relie le mouvement la surface libre et le mouvement du
substratum rocheux est gale :
T1 n +1 ( ) =
2
III.2.1.24
An +1 + Bn +1
Outre les dfinitions donnes dans la section prcdente, l'amplitude la surface libre
dun sol peut tre dfinie comme le produit entre l'amplitude dentre et la fonction de
transfert qui relie la surface et la couche qui comporte le mouvement dentre. Par
consquent, la rponse dun profil du sol sous un chargement sismique, peut tre obtenue par
les tapes suivantes (Yezli-Khati, F, 2003):
-26-
Chapitre III Modles danalyse de la rponse sismique
F() = f (t )e it dt
+
III.2.2.1
y n+1
-27-
Chapitre III Modles danalyse de la rponse sismique
0.1
Acclorogramme la surface libre
0
-0.1
0 2 4 6 8 10 12 14
0.01
0
0 5 10 15 20 25 30 35 40 45 50
10
Fonction de trasfert
5
0 -3
0x 10 5 10 15 20 25 30 35 40 45 50
2
Spectre de Fourier de l'affleurement rocheux
1
0
0 5 10 15 20 25 30 35 40 45 50
0.02
Excitation sismique de l'affleurement rocheux
0
-0.02
0 2 4 6 8 10 12 14
-28-
Chapitre III Modles danalyse de la rponse sismique
0.1
Acclorogramme la surface libre
0
-0.1
0 2 4 6 8 10 12 14
0.01
Spectre de Fourier la surface libre
0.005
0
0 5 10 15 20 25 30 35 40 45 50
10
Fonction de transfert
5
0 -3
0x 10 5 10 15 20 25 30 35 40 45 50
2
0
0 5 10 15 20 25 30 35 40 45 50
0.02
Excitation sismique de l'affleurement rocheux
0
-0.02
0 2 4 6 8 10 12 14
0.06
C o m p o rt e m e n t V is c o la s t iq u e
C o m p o rt e m e n t la s t iq u e
0.04
0.02
Acclration g.
-0 . 0 2
-0 . 0 4
-0 . 0 6
-0 . 0 8
0 2 4 6 8 10 12 14
Te m p s s .
-29-
Chapitre III Modles danalyse de la rponse sismique
Les tapes utilises dans la gnration de la rponse du sol la surface libre dans le
problme mono-couche restent valables pour le cas bicouches et multicouches. Cependant, la
seule diffrence rside dans les amplitudes Ai et Bi de chaque couche, quil faut les calculer
pour obtenir lamplitude dentre An+1.
Dans ce contexte, un autre programme en langage MATLAB nomm RESPONSE.m a t
labor pour le problme bicouches et multicouches. Les caractristiques mcaniques des
deux profils de sol sont reprsentes sur le tableau III.1 et III.2 respectivement :
Les deux profils sont soumis lexcitation de lvnement du 21/09/83 enregistr la station
E02 du rseau SMART-1 (Taiwan) sur un affleurement rocheux dont la valeur maximale de
lacclration (PGA) est de 0.0197g, avec un pas du temps=0.01s.
Les rsultats obtenus sont reprsents sur les deux figures III.7 (bicouche) et III.8
(multicouche).
-30-
Chapitre III Modles danalyse de la rponse sismique
0.05
-0.05
0.01 0 2 4 6 8 10 12 14
0.005
0
10 0 5 10 15 20 25 30 35 40 45 50
0 x 10-3
20 5 10 15 20 25 30 35 40 45 50
0
0.02 0 5 10 15 20 25 30 35 40 45 50
-0.02
0 2 4 6 8 10 12 14
0.1
-0.1
0.01 0 2 4 6 8 10 12 14
0.005
0
40 5 10 15 20 25 30 35 40 45 50
0 x 10-3
20 5 10 15 20 25 30 35 40 45 50
0
0.02 0 5 10 15 20 25 30 35 40 45 50
-0.02
0 2 4 6 8 10 12 14
-31-
Chapitre III Modles danalyse de la rponse sismique
Dans un but de clart et d'homognit dans les explications, le milieu est suppos l
aussi compos de couches horizontales homognes soumis un champ d'onde d'incidence
verticale.
Avant d'aller plus en avant dans les explications, il est utile de prciser, la notion de contrainte
effective. Cette notion, introduite par le fondateur de la mcanique des sols moderne Karl von
Terzaghi (1883-1963), est illustre sur la Figure III.9 : La contrainte totale qui s'applique sur
un mlange eau + grains est la somme de la contrainte reprise par le squelette granulaire
(contrainte effective) et de la contrainte reprise par l'eau (pression interstitielle).
crit en contraintes totales, le modle linaire quivalent ne constitue pas vritablement une
loi de comportement, il s'agit plutt de l'adaptation d'une mthode de calcul simple et rapide
aux constatations exprimentales. Le grand avantage des mthodes linaires est d'utiliser une
relation de proportionnalit entre contraintes et dformations (Figure III.10), cette
caractristique permet de rsoudre les quations d'quilibres dans le domaine frquentiel.
Principalement, pour cet avantage que le modle linaire quivalent est largement utilis dans
la dtermination de la rponse sismique dun profil de sol.
= G. III.3.1
-32-
Chapitre III Modles danalyse de la rponse sismique
Cet ajout se traduit par une relation linaire entre la contrainte et la drive de la dformation
par rapport au temps (Figure III.11).
= G. + . III.3.2
O G est le module de cisaillement et est la viscosit.
Avec :
(y, t ) = et = = III.3.3
y t yt
u(y,t) est le dplacement horizontal une profondeur y et linstant t.
-33-
Chapitre III Modles danalyse de la rponse sismique
En pratique, lanalyse linaire est rpte afin dajuster le module de cisaillement en fonction
du niveau de dformation en cisaillement rsultant. Cette procdure ditration comprend les
tapes suivantes (Lussou. P, 2001) :
1. Premire itration K=1, initialisation de G=Gmax et = min .
2. Calcul de la transforme de Fourier du mouvement incident.
G
3. Calcul de G = G .(1 + 2..i.) , v =
K *
s .
4. Calcul des fonctions de transfert.
5. Multiplier le mouvement incident avec les fonctions de transfert.
6. calcul de la dformation au milieu de chaque couche
9. calcul du max( (t ) )
M 1
10. valuation de Gk+1 et K +1 pour = fois max( (t ) ) ; M est la
10
magnitude.
G K +1 G K
11. Si > et K<k alors retourner au point n3.
GK
En gnral il n'est pas ncessaire de dpasser k=10 itrations pour faire converger
l'algorithme. En pratique =5% et est pris gal 0,65 selon les recommandations des
auteurs du programme SHAKE (Schnabel et al, 1972).
-34-
Chapitre III Modles danalyse de la rponse sismique
Lobjectif ici est de tester laptitude des deux modles (viscolastique et linaire
quivalent) valuer la rponse sismique dun profil de sol.
A cet gard, le code de calcul utilis pour effectuer le calcul est le EERA (A Computer
Program for Equivalent-linear Earthquake site Response Analyses of Layered Soil Deposits)
dvelopp par (BARDET. J.P, et al 2000). (lannexe 2).
Pour effectuer ce test en vraie grandeur, calcul et enregistrement obtenus in-situ sont
confronts. Les deux sites de : Oita-Ken sollicit par un mouvement modr et de Shimane
sous un mouvement fort sont utiliss.
Les deux sites (Saiki et Kamae) se situent dans le dpartement de Oita-Ken sur lle de
Kyushu au sud ouest du Japon. Lvnement utilis est celui du 31/05/2003 dune magnitude
de 4.5, une profondeur de 65km.
Le prsent test est bas sur les rsultats des essais in-situ tirs de la base de donne K-NET
(figure III.13 et III.14) et ce pour dfinir les proprits mcaniques des deux modles.
-35-
Chapitre III Modles danalyse de la rponse sismique
Dans ce contexte, les deux stations : OIT016 ( Saiki) et OIT018 (Kamae -site de rfrence-)
sont considres.
Code de site Condition de site Nom de site Lal Lon Alt(m) prfecture
Remblai-Sable-
OIT016 SAIKI 32.9713 131.9052 1 OITAKEN
Limon
OIT018 Roche KAMAE 32.7938 131.9275 10 OITAKEN
Figure.III. 13.Profil de sol de la station OIT018 Figure.III. 14. profil de sol de la station OIT016
-36-
Chapitre III Modles danalyse de la rponse sismique
Figure.III. 15. Acclrogrammes enregistrs par la station OITO18 et OITO16 et obtenus par les
deux modles viscolastique et linaire quivalent.
-37-
Chapitre III Modles danalyse de la rponse sismique
-38-
Chapitre III Modles danalyse de la rponse sismique
Le 06/10/2000 la rgion sud ouest du Japon sur lle de Honshu a subit un violent
sisme de magnitude 7.3 dont hypocentre est situ une profondeur de 11 Km, le plan de la
faille et la position gographique sont reprsentes sur la figure.III.18, le prsent site possde
deux acclrographes, le premier en surface et le deuxime en profondeur 100m, le profil
de la station SMNH01 est tir de la base de donne KIK-NET, figure.III.17.
-39-
Chapitre III Modles danalyse de la rponse sismique
Dans cette section les rponses sismiques dun profil de sol (excit sa base par une
forte sollicitation) calcules par les deux modles linaire quivalent et viscolastique sont
compares avec la rponse enregistre la surface. Pour ce faire, le profil reprsent sur la
figure.III.17 et le mouvement sismique enregistr en profondeur (figure.III.19) ont t utiliss.
Le mouvement dentre prsent sur la figure.III.19 correspond la composante nord-sud du
mouvement sismique enregistr 100 mtres de profondeur. Cette sollicitation est injecte
dans les deux modles.
Les acclrogrammes gnrs et enregistrs la station SMNH01 (en surface et en
profondeur) sont prsents sur la figure.III.19.
Les spectres de Fourier en acclration obtenues en profondeur (-100m), en surface, par le
modle linaire quivalent et par le modle viscolastique sont illustrs sur la figure.III.20.
-40-
Chapitre III Modles danalyse de la rponse sismique
-41-
Chapitre III Modles danalyse de la rponse sismique
Figure.III. 20. Spectres de Fourier en acclration obtenues en profondeur (-100m), en surface, par
le modle linaire quivalent et par le modle viscolastique.
Outre le succs obtenu par le modle linaire quivalent dans lestimation du PGA,
lamplitude maximale de Fourier obtenue par ce modle converge vers celle enregistre la
surface, savoir quelle est gale 3.7m/s la surface libre de la terre et 3.4m/s obtenu par le
modle linaire quivalent (figure.III.20). En revanche, le modle viscolastique montre une
grande sous estimation: la valeur gnre est de 1.6m/s. Toutefois, le modle linaire
quivalent a conserv le mme contenu frquentiel donn en profondeur; la figure.III.20
-42-
Chapitre III Modles danalyse de la rponse sismique
donne la similitude entre les deux. Elle montre galement la diffrence entre le contenu
frquentiel de lvnement enregistr la surface et celui gnr par les deux modles.
Par ailleurs, et pour mieux comprendre linfluence des deux modles sur la dure de
lvnement, un calcul bas sur la dtermination de la dure significative de lvnement
sismique est effectu, les rsultats montrent que la dure significative des deux modles est de
4.26sec pour le modle linaire quivalent et 5.56sec pour le modle viscolastique. Par
contre, pour lvnement enregistr en surface la dure vaut 6.47sec. Donc cette diffrence est
une faiblesse pour les deux modles vis--vis de lestimation de la dure de sortie, savoir
que la dure du mouvement dentre 100m de profondeur est gale 4.96sec.
Donc la lumire de toutes ces remarques, les deux tests effectus semblent montrer que le
modle linaire quivalent contrairement au modle viscolastique, parvient reproduire les
modifications du mouvement sismique; en terme de pic dacclration du mouvement
sismique et damplitude de Fourier. Seulement, il n'est sensible ni au contenu frquentiel ni
la dure du mouvement d'entre. A ce titre, Lussou (2001) a trouv les mmes conclusions.
III.5. Conclusion
-43-
Chapitre IV Paramtres de la classification des sites
CHAPITRE IV :
PARAMETRES DE LA CLASSIFICATION
CLASSIFICATION DES SITES
SITES
IV.1. Introduction
Dans les codes parasismiques leffet de site est pris en considration par
lintermdiaire de lintroduction de certaines catgories de sol bases sur certains paramtres.
Les paramtres gotechniques souvent utiliss sont : la vitesse de cisaillement moyenne sur
toute la profondeur utilise dans le RPA99 Rglement parasismique algrien, 1999 (DTR,
2003), la vitesse de cisaillement moyenne sur trente mtres de profondeur est considre dans
le code de btiments UBC97 Uniform Building Code, 1997 (Klimis.N.S,1998), est utilis
galement dans Eurocode8,1994 (Bard. P.-Y,2000) et la frquence caractristique de sol,
donne par Arias (Saragoni. G.R, et al, 1998).
Dans le prsent chapitre, une tude critique est prsente pour mettre en vidence lutilisation
de la vitesse de cisaillement moyenne sur trente mtres de profondeur Vs30 comme un seul
paramtre de classification des sites en examinant linfluence des structures gologiques
profondes sur leffet de site. Comme consquence de cette tude, le couplage entre Vs30 et la
frquence caractristique de site F0.
Vm
La frquence caractristique du site : F0 = (Das, 1983) IV.2.2
4H
Avec : H : paisseur totale du profil.
Vm : Vitesse moyenne de cisaillement dfini par la relation :
n
h i
Vm = n
i
(DTR, 2003) IV.2.3
hi
V
i si
-44-
Chapitre IV Paramtres de la classification des sites
hi : paisseur de la couche i.
Vsi : Vitesse de cisaillement travers la couche i
7.00
Quyang (Chine) : H=46m, Vs30=143.5m/s
6.00
Fukiai (Japon) : H=50m Vs30=320m/s
5.00
Kirovakan2 site : H=53m, Vs30=685m/s
Rapport Spctral
4.00
Imperial Valley (USA) : Vs30=980m/s
3.00
2.00
1.00
0.00
0 2 4 6 8 10 12 14 16 18 20 22 24
Frquence Hz.
Figure.IV. 1. Rapports spectraux des sites sollicits par lvnement de Chenoua (Algrie)
dont la frquence caractristique de lvnement Fs0=3.71Hz, PGA=0.036g
4.50
3.50
Fukiai (Japon) : H=50m Vs30=320m/s
3.00
Rapport Spctral
1.50
1.00
0.50
0.00
0 2 4 6 8 10 12 14 16 18 20 22 24
Frquence Hz.
Figure.IV. 2.Rapports spectraux des sites, sollicits par lvnement de Tabas (Iran) dont
Fs0=1.29Hz, PGA=0.378g
-45-
Chapitre IV Paramtres de la classification des sites
4.00
2.00
Imperial Valley : Vs30=980m/s
1.50
1.00
0.50
0.00
0 2 4 6 8 10 12 14 16 18 20 22 24
Frquence Hz.
Figure.IV. 3. Rapports spectraux des sites, sollicits par lvnement de Northridge dont USA
Fs0=3.36Hz, PGA=1.58g
Les figures IV.1, 2 et 3 reprsentent les rapports spectraux des quatre sites en fonction de la
frquence. lexamen de ces trois figures montre que:
1. Les frquences ne sont pas amplifies de la mme faon, on observe une attnuation
des amplitudes des pics de rsonance, ce phnomne est d la nature visqueuse des
frottements introduite dans le code de calcul EERA; cette nature implique que les pics
de rsonance soient dautant plus attnus et filtrs que la frquence de rsonance (o
la frquence du sol concide avec la frquence du signal ) est leve. Ceci conduit
naturellement considrer comme caractristique du sol le premier pic.
2. La comparaison entre les premiers pics de rsonance des quatre sites, montre que les
sites de Quyang (Vs30=143.5m/s) et Fukiai (VS30=320m/s) ont engendr une grande
amplification qui est plus remarquable sur le site de Quyang que sur Fukiai. En
revanche, elle est moins significative dans le cas de Kirovakan2 (Vs30=685m/s) et
faible au niveau de Imperial (Vs30=980m/s). Cette remarque est valable pour les trois
figures. Par consquent, la classification de site par le paramtre Vs30 est trs
significative pour les premiers pics de rsonances. Vs30 est inversement
proportionnelle la valeur de lamplification des premiers pics de rsonance.
-46-
Chapitre IV Paramtres de la classification des sites
Pour rpondre cette question, un cas rel tir de la base de donnes KIK-NET (Japon) a t
utilis. Il sagit de lvnement du 23/05/1998 qui a une magnitude de 5.3. Dans cette analyse
deux sites ont t choisis SIGH01 et OSKH01: les quatre histoires du temps enregistres en
surface et en profondeur au niveau des deux sites sont reprsentes sur Les figures.IV.4, 5
respectivement. Les sites SIGH01 et OSKH01 ont peu prs la mme vitesse de cisaillement
Vs30 562m/s et 500m/s respectivement avec des frquences caractristiques diffrentes 0.2Hz
pour OSKH01 et 2.58Hz pour SIGH01
Figure.IV. 4. Les deux signaux enregistrs en surface (en bas de la figure) et en profondeur
(-100m) sur le site de SIGH0, lpaisseur du profil sdimentaire est de 32.5m
(sable et gravier avec argile)
Figure.IV. 5. Les deux signaux enregistrs en surface (en bas de la figure) et en profondeur
(-1505m) sur le site de OSKH0, lpaisseur du profil sdimentaire est de 556m
(argile avec sable fin)
-47-
Chapitre IV Paramtres de la classification des sites
Figure.IV. 6. Rapports spectraux des deux sites OSKH01( gauche) et SIGH01( droite)
La figures.IV.6 reprsente les deux rapports spectraux des deux sites en fonction de la
frquence. Elle montre clairement ce point : malgr que les deux vitesses de cisaillements
moyennes Vs30 des deux sites OSKH01 et SIGH01 sont peu prs semblables (500 m/s et 562
m/s respectivement) les amplifications engendres par les deux profils sont trs diffrentes :
pour le profil de sol OSKH01 lamplification spectrale vaut 6.0 au niveau de la frquence
caractristique de site (0.2Hz) et est gale 3.4 pour le profil du sol SIGH01 la frquence
caractristique de site (2.85Hz). En raison de cette forte diffrence de la frquence, les effets
de site sur ces deux sites sont tout fait diffrents.
Dans ce contexte, Pitilakis et al (1997) ont prsent une tude critique dans la quelle ils
montrent que l'utilisation seulement des trente premiers mtres pour estimer l'effet de site peut
mener aux rsultats ambigus :
Le premier exemple est pris du rseau dacclrographes d'Euroseistest (figues.IV.7 a,b) et ce
pour le mme vnement; le second est un vnement du mouvement fort enregistr Port
Island pendant le sisme de Kobe 1995 (figues.IV.7 c,d). La rponse spectrale diffrente
profondeur et son rapport spectral sont prsents.
-48-
Chapitre IV Paramtres de la classification des sites
Figure.IV. 7. Euroseistest ( en haut), Port Island (en bas), spectre de rponse gauche, le
rapport spectral droite.
Dans le cas de Euroseistest, une clair amplification au niveau des hautes frquences
(T<0.5sec) est observe et une prsence dune amplification significative dans les faibles
frquences (1.0<T<2.0sec) et ce pour le rapport spectral obtenu entre la surface et 72m de
profondeur. Au contraire, aucune amplification n'est enregistre entre la surface et 17m de
profondeur dans la plage des faibles frquences. Le phnomne de la rsonance 1D la
frquence caractristique de site (0.7Hz, T=1.43sec) combin avec la contribution des ondes
de surface gnres localement disparaissent quand les couches superficielles sont seules
prisent en comptes.
Concernant les stations de Port Island, due la liqufaction et au comportement non linaire
fort de la couche superficielle de sol que le mouvement du sol est damplifi et la plus grande
rponse est observe la frquence caractristique du dpt (1.0Hz, 1.0sec). Le rapport
spectral enregistr entre la surface et -32.0m prsente une faible amplification pour T>0.5sec,
tandis que l'amplification du rapport spectral entre la surface et -83.0m (sol ferme et dur) est
tout fait importante.
A la lumire de toutes ces remarques, on peut conclure que la vitesse de cisaillement Vs30 est
un paramtre qui reprsente un niveau de confiance acceptable vis--vis de la classification de
site, mais sa faiblesse rside dans le cas o l'effet de site est d des structures profondes
telles que les bassins sdimentaires.
Pour palier cette gne et augment le niveau de confiance vis--vis de la classification de site,
lussou (2001) a ajout un autre paramtre: la frquence fondamentale de rsonance de site
dduite partir de la mthode H/V reprsent dans le chapitre II. De ses cots, Bard et al
(2003) ont montr que la frquence calcule partir de la mthode H/V est similaire celle
obtenue par la formule F0=Vm/4H.
-49-
Chapitre IV Paramtres de la classification des sites
Donc, sur la base des deux travaux raliss par lussou (2001) et Bard et al (2003) et en raison
des imperfections principales de la classification Vs30 un systme a t dvelopp pour
caractriser un site : bas sur les deux paramtres Vs30 et F0 o :
Vs30 : Vitesse de cisaillement moyenne sur trente mtres de profondeur (quation IV.2.1) .
F0 : Frquence caractristique de site (quation IV.2.2).
IV.5. Conclusion
Le but principal de ce chapitre est de trouver des paramtres simples et efficaces pour
classer un site. Lanalyse des diffrents rsultats obtenus a permis de conclure que la vitesse
de cisaillement moyenne sur trente mtres de profondeur Vs30 est un paramtre qui reprsente
un meilleur niveau de confiance vis--vis de la classification de site lorsquil sagit dune
structure peu profonde. En revanche, une structure gologique plus profonde telle que les
bassins sdimentaires, peut avoir une forte influence sur les effets de site qui ne sont pas prise
en considration si une classification simple de site est base uniquement sur des mesures
dans les couches suprieures.
Pour surmonter cette gne, un systme a t dvelopp pour caractriser un site : bas sur les
deux paramtres Vs30 et F0. Dsormais, dans le prochain chapitre, ces deux paramtres vont
tre utiliss dans la nouvelle approche rseaux de neurones qui va contribuer ltude de
leffet de site.
-50-
Chapitre V Estimation du risque et gnration des spectres
CHAPITRE V :
ESTIMATION DU RISQUE LIE A LEFFET DE SITE
SITE
ET GENERATION DUN
D UN SPECTRE DE REPONSE
REPONSE A LA SURFACE
V.1. Introduction
A la lumire des rsultats trouvs dans le chapitre prcdent, une classification de site
base sur les deux paramtres Vs30 et F0 est adopte. Dans ce contexte, la question suivante
peut tre pose: est-ce que la classification couple Vs30-F0 est possible :
-51-
Chapitre V Estimation du risque et gnration des spectres
Pour rpondre cette question, 13 profils de sols regroups dans le tableau.V.2 ont t
choisis:
La classification des profils de sols base sur Vs30 est reprsente sur la figure V.1. Dans ce
contexte, quatre classes sont dfinies, savoir :
Classe A profils reprsentant une Vs30 infrieur 200m/s.
Classe B profils reprsentant une VS30 comprise entre 200m/s et 400m/s.
Classe C profils reprsentant une VS30 comprise entre 400m/s et 800m/s.
Classe D profil reprsentant une VS30 suprieur ou gale 800m/s.
En outre, la Figure V.1 illustre aussi la classification des profils de sols suivant F0. Il en
rsulte la classification suivante :
Classe 1 profils reprsentant une F0 infrieur 1.67Hz,
Classe 2 profils reprsentant une F0 comprise entre 1.67Hz et infrieur 3.33Hz,
Classe 3 profils reprsentant une F0 comprise entre 3.33Hz et infrieur 6.67Hz
Classe 4 profil reprsentant une F0 suprieur ou gale 6.67Hz.
Par voie de consquence, la loi empirique reprsente dans la figure V.1 combine les deux
classifications Vs30 et F0 tout en gardant les mmes valeurs limites. Ainsi, la classification
illustre dans le tableau V.1 est dsormais utilise. La remarque principale souligner est que
la relation entre Vs30 et F0 est linaire, cest--dire F0 augmente en fonction de Vs30 dune
faon plus au moins constante, ce qui amen conclure que le couplage entre F0 et Vs30 est
possible.
Toutefois, attention aux sites o le couple (VS30 , F0) est trs loign de la relation empirique
observe (figure.V.1), ces sites rclament une analyse particulire. Une grande paisseur de
sdiments provoque un effet de site caractristique avec une frquence caractristique F0
faible. Pour prendre en compte leffet de site dans un tel cas, il vaut mieux utiliser la
classification F0 que la classification VS30.
-52-
Chapitre V Estimation du risque et gnration des spectres
10.5
10.0 A B C D
9.5
9.0 4
8.5 V
8.0 F0 = 9 s30 1 D4
7.5 100 10
7.0
6.5
6.0
Fo (Hz).
5.5
5.0
C3 3
4.5
4.0
3.5
3.0
2.5 B2 2
2.0
1.5
1.0
0.5 A1 1
0.0
0 200 400 600 800 1000 1200
Vs30 (m/s).
Figure.V.1. Distribution des donnes accordes avec leurs Vs30 et F0. Les lignes horizontales et
verticales reprsentent la classification de site suivant le couple F0-Vs30.
Dans cette tude, les sites sont classs en quatre groupes A1 (Trs meuble), B2 (meuble), C3
(ferme) et D4 (rocheux) en fonction de deux paramtres : La vitesse de cisaillement moyenne
sur trente mtres de profondeur Vs30 et la frquence caractristique de site F0.
Par ailleurs, dans le tableau V.2 la frquence caractristique F0 est comprise entre 1.01Hz et
10Hz, lpaisseur totale du profil H appartient lintervalle [29-53]m et la vitesse de
cisaillement moyenne sur trente mtres de profondeur Vs30 est comprise entre 128.34m/s et
1086.21m/s. Dune manire gnrale, chaque classe est reprsente par quatre profils hormis
la classe D1 (un seul profil).
En outre, chaque profil comporte plusieurs couches, chacune possde des informations sur la
nature, lpaisseur, la densit et la vitesse de cisaillement. Ces informations ont permis de
-53-
Chapitre V Estimation du risque et gnration des spectres
calculer Vs30, F0 et H qui vont tre utiliss dans le modle neuronal comme des paramtres
dentres.
Les vnements dentres (tableau.V.3) sont enregistrs sur des sites rocheux et le
logiciel EERA est utilis pour gnrer les vnements la surface libre des sites considrs
(tableau V.2). Il sagit ici de 390 vnements obtenus par gnration, soit :
Le choix et le tri des vnements dentres illustrs dans le tableau.V.3 sont bass sur deux
critres :
Lacclration maximale PGA : Il est dj prcis dans le chapitre III que seule
l'amplitude du mouvement d'entre influe de manire significative sur la rponse du
modle linaire quivalent et cela justifie le choix dun tel paramtre.
-54-
Chapitre V Estimation du risque et gnration des spectres
-55-
Chapitre V Estimation du risque et gnration des spectres
Leffet de site peut tre obtenu en comparant lacclration maximale obtenue sur un
site rocheux et lacclration maximale mesure (ou calcule) sur des diffrents sites.
Pour ce faire, une comparaison a t effectue entre les PGAb enregistrs sur des sites de type
D4 et les PGAs gnrs par EERA sur les sites de Qyuang (type A1), Garner (type B2) et
Kiravaka2 (type C3).
Les figures.V.2, 3 et 4 reprsentent les acclrations maximales horizontales illustres sur le
tableauV.3 en fonction des acclrations maximales horizontales calcules respectivement sur
les sites de Qyuang, Garner et Kiravaka2. Avec les courbes de tendance correspondantes.
-56-
Chapitre V Estimation du risque et gnration des spectres
Dune faon gnrale, le comportement dun profil de sol est non linaire pour des
mouvements forts, cette non linarit est observe dans les sites trs meubles et meubles
(figure.V.2 et 3) et le sol amplifie le signal sismique qui arrive de la source. Plus
lacclration dentre est grande, plus le sol prsente un comportement non linaire.
Pour confirmer cette non-linarit, un cas rel est tudi. Il sagit du sisme de CHICHI
(Taiwan) du 20/09/1999 sa magnitude est de 7.6 (Idriss. I.M, et al 2000). Les PGA sont tirs
de la base de donnes du Central Weather Bureau.
La figure.V.5 reprsente les valeurs des PGA enregistrs au niveau dun site meuble (type1)
en fonction des ceux enregistrs dans un site raide (type2). Pour les valeurs des PGA (type2)
infrieurs 0.13g les PGA (type1) sont suprieurs ceux de type 2. En revanche, pour les
valeurs de PGA (type 2) suprieurs 0.13g les PGA (type 1) sont infrieurs ceux de type 2,
et la courbe de tendance calcule par rgression non linaire reprsente bien les valeurs de
PGA et R= 0.96.
Il est conclure que le sol amplifie le signal sismique qui arrive de la source. Cette
amplification nest cependant non linaire avec lintensit du sisme: plus lacclration au
rocher est leve, plus le sol prsente un comportement non linaire; ce qui augmente
lamortissement effectif et diminue lamplification.
-57-
Chapitre V Estimation du risque et gnration des spectres
0.19
site raide
Sisme de CHICHI 1999
0.17 site meuble
0.13
0.11
2
B = -5.4642D + 1.8349D - 0.012
R = 0.948
0.09
0.07
0.05
0.05 0.07 0.09 0.11 0.13 0.15 0.17 0.19
PGA (g). Site raide (D).
-58-
Chapitre V Estimation du risque et gnration des spectres
Les autres paramtres reprsentent la dure et lintensit dArias (figure V.7) dfinie par la
relation suivante :
a 2 (t )dt;
2g 0
IA =
100
90
80
Intensit d'Arias (%)
70
60
50
40
30
20
10
0
0 5 10 15 20 25 30 35 40 45 50 55 60
Temps [s]
La "uniform duration" Du utilise galement la notion de seuil, mais la dure est ici la
somme des intervalles de temps pendant lesquels le seuil a0 est dpass (figure V.9).
-59-
Chapitre V Estimation du risque et gnration des spectres
0.0105
0.01
0.0095
0.009
0.0085
0.008
0.0075
Acceleration au carr (g).
0.007
0.0065
0.006
0.0055
0.005
0.0045
0.004
0.0035
0.003
0.0025 "bracketed
bracketed duration"
duration =20-5 =15s
0.002
2
0.0015 a 0
0.001
0.0005
0
0 5 10 15 20 25 30 35 40 45 50 55 60
Temps (s).
0.0105
0.01
0.0095
0.009
0.0085
0.008
0.0075
(g) (g).
0.007
au carr
0.0065
Accleration2
0.006
0.0055
Acclration
0.005
0.0045
0.004
0.0035
0.003 n
0.0025 "uniform duration= t i
uniformduration"
0.002 i
0.0015 a 02
0.001
t1 ti tn
0.0005
0
0 5 10 15 20 25 30 35 40 45 50 55 60
Temps (s).
-60-
Chapitre V Estimation du risque et gnration des spectres
100
AIf 95
90
85
80
75
70
65
Intensit d'Arias (%)
60
55
50
45
40
35
30
25
20
15 "significant
significantduration"
duration
10
AI0 5
0
0 5 10 15 20 25 30 35 40 45 50 55 60
Temps (s).
Pour que les paramtres (S1, S2, IA, Db, Du et Ds) cits auparavant soient indpendants du
mouvement dentre, ils sont normaliss par les paramtres dentres qui leurs correspondent.
A prsent, les paramtres sont dfinis. Il reste dsigner un couple parmi eux. Pour ce faire,
les coefficients de corrlation de lensemble ont t calculs.
A cet gard, le choix est vis sur le couple qui possde le coefficient de corrlation le plus
faible, et ce pour viter dutiliser des paramtres qui possdent les mmes variations.
Dans ce contexte, un test a t effectu sur les six paramtres cits auparavant. Douze profils
du sol ont t excits par lvnement de Hokkaido (Japon) 26/09/2003 M=7.8 enregistr sur
un substratum rocheux. Les rsultats obtenus sont regroups sur le tableau V.4 et 5 :
-61-
Chapitre V Estimation du risque et gnration des spectres
La comparaison entre les coefficients de corrlations calculs, montre que le couple S1-S2
normalis se caractrise par le coefficient de corrlation le plus faible. Ainsi S1-S2 est le
meilleur couple de classification de la svrit du mouvement sismique la surface libre.
Par ailleurs, le niveau du risque li leffet de site est class en trois catgories (Paolucci. R et
al,2000):
Faible risque S11.3 et S21.3
Haut risque S12.0 et S22.0 V.5.1
Moyen risque : les autres intervalles
-62-
Chapitre V Estimation du risque et gnration des spectres
S1s S
Avec S1 = ; et S 2 = 2s ;
S1r S 2r
Dont S1 : Le facteur damplification spectrale entre [0,0.5]sec.
S2 : Le facteur damplification spectrale 1s.
S1s : La rponse spectrale dacclration moyenne entre [0,0.5]s la surface libre de la
terre.
S2s : La rponse spectrale dacclration T=1s la surface libre de la terre.
S1r : La rponse spectrale dacclration moyenne entre [0,0.5]s au niveau du site de
rfrence.
S2r : La rponse spectrale dacclration T=1s au niveau de site de rfrence.
V.6.1. Dfinitions
Un neurone artificiel est un oprateur mathmatique trs simple, possdant des entres
qui peuvent tre les sorties dautres neurones, des entres de signaux extrieurs ou une sortie.
La valeur de la sortie rsulte du calcul de la somme des entres, pondres par des coefficients
(dits poids de connexions ou poids synaptiques) et du calcul dune fonction non linaire (dite
fonction dactivation) de cette somme pondre.
Ltat du neurone, appel aussi activit, est dfini comme la somme pondre de ses entres.
Linformation est ainsi transmise de manire unidirectionnelle. Un neurone se caractrise par
trois concepts : son tat, ses connexions avec dautres neurones et sa fonction dactivation.
Pour le PMC (Perception MultiCouches), les fonctions dactivations souvent utilises sont :
La fonction identit : f(x)=x
Les neurones dont la fonction dactivation sont appels neurones linaires
La fonction sigmode : f(x)=tanh(x)
Cest la plus utilise, car elle introduit de la non linarit et est aussi une fonction continue,
diffrentiable et borne.
Le PMC a une structure bien particulire: Ses neurones sont organiss en couches
successives (figure.V.11.). Chaque neurone dune couche reoit des signaux de la couche
-63-
Chapitre V Estimation du risque et gnration des spectres
prcdente et transmet le rsultat la suivante, si elle existe. Les neurones dune mme
couche ne sont pas interconnects. Un neurone ne peut donc envoyer son rsultat qu un
neurone situ dans une couche postrieure la sienne.
Lorientation du rseau est fixe par le sens unique de propagation de linformation, de la
couche dentre vers la couche de sortie. Pour les rseaux considrs, les notions de couches
dentre et de sortie sont donc systmatiques. Ces dernires constituent linterface du rseau
avec lextrieur. La couche dentre reoit les signaux (ou variables) dentre et la couche de
sortie fournissent les rsultats. Enfin, les neurones des autres couches (couches caches) nont
aucun lien avec lextrieur et sont appels neurones cachs.
Une phase de propagation, qui consiste prsenter une configuration dentre au rseau
puis propager cette entre de proche en proche de la couche dentre la couche de sortie en
passant par les couches caches.
Une phase de rtropropagation, qui consiste, aprs le processus de propagation,
minimiser lerreur commise sur lensemble des exemples prsents, erreur considre comme
une fonction des poids synaptiques. Cette erreur reprsente la somme de diffrences au carr
entre les rponses calcules et celles dsires pour tous les exemples contenus dans
lensemble dapprentissage. Pour plus dinformations sur les rseaux de neurones rfrez-
vous lannexe 1.
-64-
Chapitre V Estimation du risque et gnration des spectres
La premire base de donnes utilise dans lapprentissage du premier RNA (nomm 1 est
enregistr dans le fichier 1.mat est caractris par le premier PGA du tableauV.3) est
obtenu en excitant la base les 13 profils de sol illustrs sur le tableau.V.2 avec le premier
vnement du tableau V.3.Il en rsulte de ce calcul 13 configurations (couple entre/sortie).
Cette procdure est rpte par la suite pour les autres vnements, pour obtenir 30 rseaux de
neurones.
Vs30
S1
S2
F0
Le rseau contient donc une couche dentre avec trois neurones, deux couches caches : la
premire regroupe quatre neurones et la deuxime trois et une couche de sortie avec deux
neurones. La fonction dactivation pour les deux couches caches est sigmodale: f(x)=tanh(x)
et celle de la couche de sortie est linaire f(x)=x.
-65-
Chapitre V Estimation du risque et gnration des spectres
Profilsde
Profils
Profils desols
de sols(tableaux
sols (tableau.V.2)
V.3)
(Tableau3)
Outputs : S1, S2
Mthode linaire
quivalant
Inputs : Vs 30, H, F0
vnementsdentres
vnement
vnements dentres(tableaux
enregistrs(tableau.V.3)
V.4)
(Tableau.4)
Cette architecture est adopte aprs plusieurs essais qui consistent faire varier le nombre de
couches et de neurones par couche cache dans le souci de diminuer lerreur quadratique
(MSE : mean square error) (figure V.14) pour avoir un coefficient de corrlation (R) au
voisinage de 1 (figure V.15). La figure V.14 regroupe les informations concernant le
processus dapprentissage du RNA numro : 29 , dont MSE= 1.13.10-13 et R=1 et ce aprs
1580 poques. La figure V.15 prsente une comparaison entre la sortie dsire (T) et la sortie
obtenue (A) par le rseau de neurones.
-66-
Chapitre V Estimation du risque et gnration des spectres
-67-
Chapitre V Estimation du risque et gnration des spectres
Niveau de Niveau de
Code des Vs30 H Fo PGA S1 S2 S1 S2
risque risque par
stations (m/s) (m) (Hz) substratum rel rel SRISQ SRISQ
rel SRISQ
Haut Haut
TTRH03 197 74 1.14 0.03 2.8 8.3 3.8 2.4
risque risque
moyen
TTRH02 310 100 1.38 0.360 2.0 5.4 haut risque 1.4 0.14
risque
Tableau.V.7.Paramtres des deux sites TTRH03(vnement du 16/09/02, M=5.3) et
TTRH02(vnement du 16/10/2000, M=7.3) et les niveaux de risques obtenus par SRISQ et partir
des enregistrements.
Les interprtations des rsultats obtenus par SRISQ et la comparaison avec ceux calculs
directement partir des enregistrements (surface/substratum) peut rvler que les couples
{S1,S2} estims par le modle neuronal des deux sites OSKH03 et YMGH02 sous des
sollicitations faibles (tableaux V.6) sont trs proches des deux couples calculs par les
enregistrements rels ; ces deux cas donnent le mme niveau de risque.
En outre, SRISQ a donn un niveau de risque identique celui calculer directement partir de
lenregistrement de site TTRH03 (mouvement modr), avec une diffrence dans les valeurs
de S1 et S2. En revanche, SRISQ a sous estim le niveau de risque de la station TTRH02
sollicite par un vnement fort avec un S2 trs faible en comparaison avec la ralit. Un tel
rsultat sexplique par le fait que le modle neuronal est bas dans sa phase dapprentissage
sur le modle linaire quivalent, dans lequel leffet de site non linaire (prsent dans le cas
dun fort mouvement) est sous estim, comme cest le cas du site TTRH02 (PGA=0.360g au
niveau de la station installe en profondeur).
Par ailleurs, SRISQ a donn le mme niveau de risque pour les mouvements faibles
modrs, savoir, le site OSKH03 avec un PGA la base gale 0.0008g et le site YMGH02
(PGA=0.008).
La faible estimation du risque lors dun mouvement fort par le modle neuronal form par le
modle linaire quivalent; a donn lide dutiliser directement les donnes rcoltes de
KIK-NET et ce pour tracer le spectre de rponse la surface partir de celui enregistr en
profondeur et pour estimer le risque li leffet de site.
-68-
Chapitre V Estimation du risque et gnration des spectres
Le nombre des
Nombre total Le nombre des
enregistrements
Codes des Vs30 HT HS F0 des enregistrements
Classes utilis dans la
Profils (m/s) (m) (m) (Hz) enregistrements gards pour
phase
utiliss le test
dapprentissage
A1 KGWH02 180 200 54 1.09 22 21 1
EHMNH04 254 200 64 1.41 14 13 1
B2 SMNH07 318 209 60 1.74 12 11 1
EHMNH07 391 200 20 3.2 15 14 1
SMNH03 445 101 34 3.35 12 11 1
SMNH02 503 101 25 4.6 12 11 1
C3
KOCH03 668 100 32 5.30 16 15 1
SMNH05 711 101 14 7.5 12 11 1
EHMNH03 802 101 10 11.42 13 12 1
D4
KOCH05 1072 100 6 15.42 12 11 1
Tableau.V. 8. Les profils des sols choisis et les enregistrements utiliss
Par ailleurs, les spectres de rponses en acclration (Sa) adopts sont de lordre de 140
couples entres/sorties [les deux composantes NS (nord-sud) et EW (est-ouest) sont utilises]
cest--dire 140 (Sa) la surface libre de la terre et 140 (Sa) enregistrs une profondeur
variant entre -100m -200m. Le nombre des (Sa) rservs lapprentissage est de 130 et 10
(Sa) sont conservs la phase test.
-69-
Chapitre V Estimation du risque et gnration des spectres
-70-
Chapitre V Estimation du risque et gnration des spectres
Dautre part, le logiciel ViewWave version1.3 (Kashima.T, 2002) a t utilis pour calculer
les spectres de rponse en acclrations; vu que ce dernier est compatible avec les donnes de
KIK-NET, sinon lintgral de Dyhamel (Clough. R, et al, 1980) peut tre utilis pour rsoudre
cette tache. Le tableau V.9 donne les informations concernant les vnements utiliss : date,
magnitude et distance hypocentrale.
A1
B2
C3
Classification de site
D4
(a)
A1
B2
C3
Classification de site
D4
(b)
Figure.V. 16. Rpartition des valeurs maximales spectrales enregistres en surface (a)
et en profondeur (b) et ce pour les quatre classifications de sites.
-71-
Chapitre V Estimation du risque et gnration des spectres
La figure V.16 reprsente les rpartitions des deux types dacclrations spectrales maximales
enregistres en surface (a) et en profondeur (b) constituant la base de donnes qui va tre
utilis dans la phase apprentissage de rseaux de neurones.
Comme cest dj spcifi dans la section prcdente, les profils de sols sont
regroups en quatre classes (A1, B2, C3 et D4), sur la base de cette classification la base de
donne est divise. Elle constitue les spectres de rponses enregistrs en surface et en
profondeur. Chaque partie de cette base de donnes appartient une classe bien dfinie:
tableauV.8. Pour le groupe 1 (classe A1) 22 couples denregistrements sont choisis, le groupe
2 classe B2 contient 41 couples denregistrements, concernant le groupe 3 (classe C3) les
enregistrements sont de lordre de 52 et en fin le groupe 4 de la classe D4 contient 25
enregistrements. Il est noter que le nombre de spectre de rponse de chaque classe est bas
sur la disponibilit des donnes dans le site web KIK-NET. En outre, cest ces quatre groupes
qui forment les quatre bases de donnes dapprentissage des quatre rseaux de neurones, donc
finalement pour chaque classification de site un rseau de neurones est gnr.
Dune manire gnrale, et pour apprendre aux rseaux de neurones tracer le spectre de
rponse la surface libre partir de celui obtenu en profondeur (figure V.17), deux entres
Et la seul sortie adopte contient le spectre de rponse dacclration obtenu la surface libre
de la terre Sas (amortissement=5%) .
Les rseaux de neurones contient donc une couche dentre avec deux neurones et deux
couches caches (figure.V.18.) : La premire regroupe quatre neurones et la deuxime deux.
Enfin une couche de sortie avec un neurone. La fonction dactivation dans la couche de sortie
est linaire f(x)=x et est non linaire f(x)=tanh(x) dans les deux couches caches.
-72-
Chapitre V Estimation du risque et gnration des spectres
Surface
Output : Sa(T)
Inputs : Sr(T), T
Profondeur
Priode
Sar
Sas
-73-
Chapitre V Estimation du risque et gnration des spectres
Aprs avoir conu les quatre RNA des quatre classes, un teste a t men avec 10 autres
spectres de rponse dacclration et ce, pour valider la capacit des RNA adopts.
La figure.V.21 englobe les courbes Sas (acclration spectrale la surface libre de la terre)
gnres par le RNA et les courbes Sas obtenus partir des lacclrogrammes avec
lestimations du risque li leffet de site sur la base de la classification donne par lquation
V.5.1.
-74-
Chapitre V Estimation du risque et gnration des spectres
-75-
Chapitre V Estimation du risque et gnration des spectres
Figure.V. 21. Spectres de rponse dacclration estims par RNA et calculs partir des
enregistrements rels
La gnration qui semble la plus satisfaisante parmi les huit courbes de Sas gnres par RNA
est celle du site KGWH02 : le RNA estime bien le trac du spectre si le maximum de ce
dernier est prs de celui de lenregistrement utilis dans lapprentissage, ce maximum est une
manifestation de la nature non-linaire du trac. Si cette condition est runie, les valuations
donnes par le RNA sont satisfaisantes.
En revanche, pour les autres cas les amplitudes des acclrations sont diffrentes en
comparaison avec les cas rels. Cette diffrence rside essentiellement au niveau des pics. A
titre dexemple, Sas maximale obtenue par le RNA (site SMNH02) de la classe C3 est de
lordre de 1.0g or dans le cas rel elle est de 2.6g. L'augmentation de l'erreur d'estimation est
lie la procdure dapprentissage du rseau qui est form avec un bas degr de non-linarit
(le passage du bas pic vers le haut pic). Par consquent, de tels rseaux ne peuvent pas tre
employs pour l'extrapolation en cas de degr plus lev de non-linarit.
Le mme phnomne se produit en utilisant des rseaux forms avec des enregistrements
spectraux qui reprsentent des pics levs pour estimer les enregistrements spectraux avec des
pics trs bas comme cest le cas de KOCH03.
Ceci suggre que plusieurs rseaux doivent tre forms pour chaque gamme dacclration
maximale (Hurtado J.E et al 2000).
-76-
Chapitre V Estimation du risque et gnration des spectres
Pour ce faire, un code de calcul nomm SKRISQ (annexe 5) a t tabli regroupant 130
rseaux de neurones forms avec les 130 couples (entre/sortie) : la mme architecture
(figure.V.18) et les mmes entres/sortie sont conserves (figure.V.17).
Figure.V.22..Processus dapprentissage
Figure.V.23.Comparaison entre A et T
-77-
Chapitre V Estimation du risque et gnration des spectres
Pour valider le code de calcul SKRISQ, il faut le tester avec des enregistrements non
prsents auparavant. Le tableau.V.10 illustre les S1 et les S2 obtenus par SKRISQ et ceux
calculs directement partir des acclrographes installs la surface de la terre.
On remarque donc, que les valeurs de S1 et S2 estimes par SKRISQ convergent vers les
valeurs relles. En consquence, SKRISQ donne des niveaux de risques similaires ceux des
cas rels.
Tableau.V.10. Les rsultats obtenus par SKRISQ; et celles tirs des enregistrements
(H : haut risque et M : moyen risque)
La figure.V.24 reprsente les graphes des spectres de rponses dacclrations estimes par
SKRISQ et enregistres en fonction de la priode et ce pour les profils de sols illustrs dans le
tableau V.10.
-78-
Chapitre V Estimation du risque et gnration des spectres
-79-
Chapitre V Estimation du risque et gnration des spectres
Figure.V. 24. Spectres de rponse dacclration estims par RNA et calculs partir des
enregistrements rels.
-80-
Chapitre V Estimation du risque et gnration des spectres
3. Lallure de la courbe spectrale de EHMNH03 est proche du cas rel. Par contre, les
amplitudes des pics sont peu diffrentes en comparaison avec la ralit.
V.8. Conclusion
II. Donner le spectre de rponse dacclration dun site la surface libre partir de celui de
rfrence par la mthode des rseaux de neurones en utilisant dans la phase
dapprentissage les donnes du dense rseau dacclrographe KIK-NET, en adoptant
toujours la classification de site (Vs30-F0). En outre, un code de calcul a t labor sous
-81-
Chapitre V Estimation du risque et gnration des spectres
lenvironnement Matlab et ce pour mieux reprsenter les courbes spectrales et les deux
facteurs damplification spectrale ainsi que le niveau de risque li leffet de site.
Les paramtres d'entres et de sortie du rseau sont :
Entres : le spectre de rponse dacclration de rfrence et la priode propre
correspondante.
Sortie : le spectre de rponse dacclration la surface libre de la terre.
La gnration dun spectre de rponse dacclration par le modle neuronal est
effectue en premier lieu avec une classification base seulement sur le type de
sol. Les rsultats du test effectu sur des enregistrements ne faisant pas partie des
spectres dapprentissage mais appartiennes aux mmes sites, montrent une grande
erreur d'estimation du pic dacclration due au comportement non-linaire aux
niveaux des pics (passage du bas pic vers le haut pic et inversement). Pour palier
cette gne, les rseaux de neurones sont classs suivant le type de sol et suivant
lacclration spectrale maximale dentre.
Le mme test suscit, est utilis pour conclure que SKRISQ a palli pratiquement
le problme du comportement non-linaire au niveaux des pics et a gnr des
spectres de rponses semblables ceux enregistrs, ce qui a engendr un niveau de
risque authentique.
Toutefois, pour que les rsultats trouvs dans ce chapitre ainsi que les remarques et les
conclusions obtenues dans les chapitres prcdents soient valids et exploits, un sixime
chapitre est ajout et qui sera consacr tester les codes de calculs labors (SRISQ et
SKRISQ) et ce, pour des mouvements modrs et forts.
-82-
Chapitre VI Analyse des rsultats
CHAPITRE VI :
VALIDATION, EXPLOITATION
EXPLOITATION DES MODELES ETANALYSE DES
RESULTATS
VI.1. Introduction
Lobjectif ici, est de tester laptitude des deux codes de calcul SRISQ et SKRISQ
estimer le niveau de risque li leffet de site et tracer lacclration spectrale en surface
(par SKRISQ), sur la base des deux exemples : site de HYOGO sollicit par lvnement du
12/01/2001 M=5.4 (mouvement modr), et le site de TOTTORI frapp par le sisme de
Tottori M=7.3 (mouvement fort). Pour effectuer ce test en vraie grandeur calculs et
enregistrements obtenus in-situ sont confronts.
-83-
Chapitre VI Analyse des rsultats
Le Site de HYOGO se situe au sud ouest du Japon sur lle de Honshu. Les proprits
lastiques des 11 profils utiliss et leurs classes sont rsumes sur le tableau VI.1. Les
positions des stations et les acclrations maximales enregistres en surface PGAs et en
profondeur PGAb sont illustres sur le tableau.VI.2.
Les situations gographiques et topographiques sont reprsentes sur la figure VI.1. A cet
gard, lvnement du 12/01/2001 caractris par une magnitude de 5.4 et une profondeur
focale de 10Km est dsign pour effectuer ce test.
Classification
Station Vs30 (m/s) H (m) F0 (Hz)
de site
HYGH01 370.06 74 1.43 B1
HYGH02 612.06 14 6.75 C4
HYGH03 443.28 6 5.46 C3
HYGH04 476.17 22 4.33 C3
HYGH05 527.86 13.5 5.45 C3
HYGH06 368.56 32 2.96 B2
HYGH07 506.41 14 5.85 C3
HYGH08 285.26 24 2.51 B2
HYGH09 364.43 52 2.25 B2
HYGH10 223.87 82 0.96 B1
HYGH11 270.66 50 1.82 B2
-84-
Chapitre VI Analyse des rsultats
Les rsultats de lestimation du niveau de risque caus par leffet de site montrent une
concordance totale entre les niveaux de risques trouvs par les spectres de rponses
dacclrations enregistrs et estims par SRISQ. En revanche, la quantification du risque par
les facteurs damplification spectrale S1 et S2 montre une diffrence entre les rsultats
-85-
Chapitre VI Analyse des rsultats
obtenus par SRISQ et partir des calculs directs. Cette diffrence est due la procdure
dapprentissage du modle neuronal qui a t fait par le modle linaire quivalent dont les
mouvements dentres sont supposs enregistrs sur un affleurement rocheux.
Les rsultats obtenus montrent que, pour le cas des mouvements modrs, SRISQ estime bien
le niveau de risque li leffet de site local.
Tableau.VI. 3. S1 et S2 obtenus par SRISQ et enregistrs sur sites. M : moyen risque, H : haut risque.
35.4 Epicentre
35.3
HYGH11
35.2 HYGH03 MR MR
MR MR HYGH08
35.1 HYGH04
HYGH02
HYGH07
MR MR
35.0 MR MR MR MR
MR MR
Latitude
HYGH05 HYGH09
34.9
MR MRHYGH06 HYGH10 MR MR
34.8 HR HR
MR MR
34.7
------A partir des acclrographes
34.6
------ SRISQ
34.5
34.4 HYGH01
HR HR
34.3
134.4 134.5 134.6 134.7 134.8 134.9 135.0 135.1 135.2
Longitude.
Figure.VI. 2. Niveaux de risques trouvs par SRISQ, et dduit en utilisant S1 et S2 calculs sur la
base des enregistrements rels sur sites
-86-
Chapitre VI Analyse des rsultats
Dans cette section, les spectres de rponses dacclrations la surface libre des 11
sites sont gnrs par SKRISQ partir des ceux enregistrs en profondeur. Les courbes
spectrales dacclrations estimes par SKRISQ et celles obtenues partir des
enregistrements rels la surface de chaque profil sont reprsentes sur la figure.VI.3. Les
deux facteurs spectraux damplification S1 et S2 gnrs par SKRISQ et par calcul direct (cas
rels) ainsi que les niveaux de risques correspondants sont illustrs sur le tableau.VI.4.
-87-
Chapitre VI Analyse des rsultats
La comparaison entre les 11 courbes obtenues par le SKRISQ et partir des enregistrements
montre quhormis les courbes (d), (e), (f) et (g) qui sont proches des cas rels avec une faible
sous-estimation pour les trois premiers et une surestimation pour (g), les autres courbes sont
diffrentes par rapport celles enregistres sur sites. Cette diffrence peut-tre justifie
comme suite :
1. Les sites (a), (b) et (j) appartiennent aux classes : B1, C4 et B1 respectivement. Ces
trois classes sont incompatibles avec celles utilises dans SKRISQ. Rappelant que la
classification des sites quon a adopte est : Vs30-F0.
2. Ce qui concerne (c), la faible hauteur du profil (6m) a entran cette grande diffrence
entre les deux courbes.
3. Dans les courbes (h) et (k) le modle neuronal encr dans le SKRISQ a sous-estim les
valeurs des pics. Cela est d principalement la limitation dans la base de donnes de
SKRISQ en terme dacclration maximale.
4. Finalement, pour la courbe (i) le maximum simul converge vers celui du cas rel avec
une faible surestimation et une dviation au niveau de la priode de rsonance.
Par ailleurs, le SKRISQ a donn les mme niveaux de risques (tableaux VI.4 et figure VI.4)
que ceux estims rellement, sauf pour le profil HYGH01 dont le niveau de risque fourni par
le SKRISQ est moyen alors quand ralit il est grand. En revanche, les facteurs
damplification spectrale gnrs par SKRISQ sont pour certains profils surestims et pour
dautres sous-estims. A titre dexemple, pour le profil HYGH03 les deux S1 sont trs proches
et valent 1.0 (SKRISQ) et 1.1 (rel). Par contre, S2 (SKRISQ) est trs grand (17.7) par rapport
celui calcul directement par lenregistrement S2=4.5.
-88-
Chapitre VI Analyse des rsultats
35.4 Epicentre
35.3
HYGH11
35.2 HYGH03 MR MR
MR MR HYGH08
35.1 HYGH04
HYGH02
HYGH07
MR MR
35.0 MR MR MR MR
MR MR
Latitude
HYGH05 HYGH09
34.9
MR MRHYGH06 HYGH10 MR MR
34.8 HR HR
MR MR
34.7
------A partir des acclrographes
34.6
------ SKRISQ
34.5
34.4 HYGH01
MR
HR HR
34.3
134.4 134.5 134.6 134.7 134.8 134.9 135.0 135.1 135.2
Longitude.
Figure.VI. 4. Niveaux de risques obtenus par SKRISQ, et calculs partir des enregistrements rels
Il se situe au sud ouest du Japon sur lle de Honshu (Figure VI.6). Le 06/10/2000 la
rgion de TOTTORI a subi un violent sisme de magnitude 7.3 dont hypocentre se situe une
profondeur de 11 Km. Le plan de la faille est reprsent sur la figure VI.7. Les situations
-89-
Chapitre VI Analyse des rsultats
gographiques des stations considres sont reprsentes sur la figure VI.8. Les paramtres
des sites et les PGA (en surface PGAs et en profondeur PGAr) enregistrs sur les 24 stations
durant lvnement sont illustrs dans le tableau VI.5.
Figure.VI. 7.Plan de faille et picentre du sisme de Tottori ainsi que les stations des rseaux K-NET
et KIK-NET.
-90-
Chapitre VI Analyse des rsultats
Epicentre TTRH02
Distance
Classification de
Station Vs30 (m/s) H (m) F0 (Hz) PGAr (g). PGAs (g). picentrale
site
(km)
OKYH01 236.21 44 1.53 0.029 0.1 104.94 B1
OKYH05 488.15 18 5.89 0.0493 0.11 72.47 C3
OKYH06 525.34 24 5.27 0.0164 0.08 69.97 C3
OKYH07 929.25 6 10.63 0.0783 0.18 25.63 D4
OKYH09 461 21 4.71 0.0475 0.18 38.35 C3
SMNH01 464.41 22 4.32 0.185 0.72 9.66 C3
TTRH02 310.21 100 1.38 0.358 0.92 7.28 B2
EHMNH05 362 30 3.02 0.0028 0.011 184.25 B2
HRSH08 852 10 14.32 0.0133 0.024 164.26 D4
HRSH02 820 12 8.14 0.0133 0.12 44.16 D4
HYGH12 615 13 8.4 0.0148 0.08 138.47 C4
HYGH05 527.86 13.5 5.45 0.02 0.08 117.1 C3
-91-
Chapitre VI Analyse des rsultats
Les paramtres de site de SRISQ sont regroups dans le tableau VI.5, ainsi que les
valeurs des PGA correspondants. Les niveaux de risques sont classs suivant lquation V.5.1
et les rsultats de la simulation sont mentionns sur le tableau VI.6.
De mme pour SKRISQ, les spectres de rponses dacclration enregistrs en profondeur
sont introduits dans SKRISQ. Les rsultats sont regroups sur le tableau VI.6, et les
acclrations spectrales obtenues en surface sont illustres sur la figure VI.11.
35.2 9.0
TTRH02
35.0 8.0
34.8 7.0
6.0
L a titu d e .
34.6
5.0
34.4
4.0
34.2
3.0
34.0
2.0
33.8
1.0
132.2 132.6 133.0 133.4 133.8 134.2 132.2 132.6 133.0 133.4 133.8 134.2 132.2 132.6 133.0 133.4 133.8 134.2
-92-
Chapitre VI Analyse des rsultats
35.2 6.1
5.6
35.0
5.1
34.8 4.6
4.1
L a titu d e
34.6 3.6
OKYH01 3.1
34.4
2.6
34.2 2.1
1.6
34.0 1.1
33.8 0.6
0.1
132.2 132.6 133.0 133.4 133.8 134.2 132.2 132.6 133.0 133.4 133.8 134.2 132.2 132.6 133.0 133.4 133.8 134.2
Longitude Longitude. Longitude.
-93-
Chapitre VI Analyse des rsultats
Figure.VI. 11. Spectres de rponse dacclration estims par SKRISQ et calculs partir des
enregistrements rels.
Les rsultats obtenus (Tableau VI.6) semblent montrer que sous le mouvement fort de
TOTTORI, SRISQ a sous-estims les facteurs damplification spectrale S1 (figure VI.9 (b)).
Cette sous-estimation est due essentiellement au modle linaire quivalent utilis dans la
phase dapprentissage du modle neuronal : Les calculs effectus par Lussou (2001) montrent
que le modle linaire quivalent prsente une faiblesse pour les priodes infrieurs 0.2 sec
et ne rend pas bien compte de la rhologie des sols. Ce dfaut entrane une sous-estimation du
contenu faible priode du mouvement sismique. Cela explique les valeurs faibles donnes par
SRISQ sous un tel fort mouvement (M=7.3). En revanche, les facteurs damplification
spectrale S2 T=1s obtenus par SRISQ sont en bon accord avec ceux calculs partir des
enregistrements (figure V.10 (b)) sauf pour le cas de TTRH02 dont S2 rel gal 6.1 et celui
estim par SRISQ est de lordre de 0.1. Cette grande diffrence est due au comportement
fortement non-linaire du sol ; Fabin et al (2003) ont montr que : pour les sites japonais, le
comportement de sol est non-linaire au-del de PGA=0.2g enregistr la surface et que
malgr la non-linarit, l'amplification de sol est encore importante pour des grands
mouvements d'entre enregistrs en profondeur. Le maximum de PGA sur la surface peut
facilement atteindre 1.0g en prsence de la non-linarit comme le cas de la station TTRH02
avec un PGA gal 0.92g. Dans ce contexte, la figure V.12 reprsente les deux acclrations
spectrales en surface et en profondeur (-100m) de la station TTRH02, dans laquelle le
comportement non linaire du sol a fait passer la priode prdominante de 0.07s 0.65s. Cette
variation nest pas prise en compte par le modle linaire quivalent qui est utilis pour
former le modle neuronal encr dans SRISQ. Cette complexit peut tre surmonte par
lutilisation des enregistrements rels, comme cest le cas du SKRISQ.
-94-
Chapitre VI Analyse des rsultats
3.5
En profondeur
3 A la surface
1.5
0.5
0
0.01 0.1 1 10
Priode sec.
Par ailleurs, les remarques tires des rsultats obtenus par SKRISQ sont les suivantes :
1. Les facteurs damplification S1 obtenus par SKRISQ (figure VI.9 (c)) sont du mme
ordre de grandeur. Les grandes amplifications enregistres par les acclrographes
sont estimes par SKRISQ.
2. Pour les facteurs damplification S2 obtenus par SKRISQ, ils sont sous-estimes par
rapport ceux calculs partir des enregistrements (figure VI.10 (c)), nanmoins,
cette diffrence ninflue pas le niveau de risque, puisque les valeurs dans ce stade sont
petites sauf pour les stations TTRH02 avec un S2=6.1 (par SKRISQ S2=3.1) et
OKYH01 dont lacclration spectrale la surface est 2.5 fois celle enregistre en
profondeur, l SKRISQ a surestim cette amplification et a donn une valeur de 5.2,
malgr cest deux valeurs non identiques, le niveaux de risque reste le mme.
Pour mieux les reprsenter, les rsultats de S1 et S2 obtenus par les deux codes de calculs et
par les enregistrements figurs sur le tableau VI.6 sont illustrs sur les deux figures VI.9 et
VI.10. La remarque qui semble la plus intressante dans ce stade rside dans le cas de la
station OKYH01 dont la quelle le facteur damplification spectrale S1 est gale 9.1. Sa
position est reprsente par un cercle gris dans le conteur (a) de la figure VI.10. Cela explique
la grande valeur du PGA qui vaut 0.1g pour la composante NS et 0.18g pour la composante
EW et ce, malgr la grande distance picentrale qui est de lordre de 105 km (tableauVI.5).
Cette amplification est due essentiellement la nature du sol constituant le profil qui est
meuble (classe B1). Outre la nature du sol, la station se situe sur une valle dans laquelle les
ondes sismiques sont prisonnires et amplifies.
-95-
Chapitre VI Analyse des rsultats
Par ailleurs, la figure VI.11 reprsente les courbes spectrales dacclrations estimes par
SKRISQ et traces partir des enregistrements rels la surface de chaque profil.
La comparaison entre les courbes obtenues par SKRISQ et partir des enregistrements
montre que : dune faon gnrale, les allures des acclrations spectrales obtenues par
SKRISQ sont proches celles obtenues par les acclrogrammes. Hormis, les courbes (d), (e)
et (g) o lacclration est surestime pour les faibles priodes et sous-estim pour les
priodes qui dpassent les 0.2s (courbes (d) et (g) ), tandis que pour la courbe (e) SKRISQ a
sous-estim les amplitudes qui sont infrieurs 0.2s et a surestim celles qui appartiennent
aux moyennes et hautes priodes.
-96-
Chapitre VI Analyse des rsultats
Tableau.VI. 7. caractristiques et enregistrements des trois stations (Internet Site for European
Strong-Motion)
Figure.VI. 14. Rapports spectraux calculs par la mthode H/V station de Cherchell.
-97-
Chapitre VI Analyse des rsultats
A cet gard, il faut rappeler que les vnements dentres utiliss dans lapprentissage du
modle neuronal sont supposs enregistrs sur un affleurement rocheux condition que
laffleurement et le site en question ne soient pas trop loigns, cest dire que la distance
site/rfrence soit trs faible devant la distance site/source q.VI.3.1.1 (Borcherdt et Gibbs,
1976). Distance(site/rfrence)<<Distance(site/source) VI.3.1.1
Dans le prsent cas, La distance entre le site de Cherchell et celui de Bouzareah (site de
rfrence) est gale 92.6 km tandis que la distance Cherchell/source est de 30.67km. En
plus, la distance entre le site de Mda et Bouzareah est gale 65.6km et celle de
Mda/source est de 59.84km. Donc, le site de Bouzareah ne peut pas tre considr comme
un site de rfrence des deux sites Mda et Cherchell.
Pour rsoudre ce problme, une loi dattnuation pour les sols rocheux est utilise. La loi
tablie par Ambraseys (adapt lAlgrie par Benouar) a t choisie (Benouar.D,1998). Cette
loi est dfinie comme suite :
Log10(PGA)=-1.43+0.2455 (Ms)-0.0010 (r)-0.786log10 (r) VI.3.1.2
Avec Ms : magnitude de surface.
r : Distante hypocentrale (Km) r=d+h
d : Distance picentrale (Km)
h : Profondeur focale (Km)
Lapplication de cette loi dattnuation sur le site de Bouzareah a donn un PGA identique au
celui enregistr. Les PGA de rfrences obtenus par cette loi, ainsi que les facteurs
damplification spectrale et les niveaux de risque sont illustrs sur le tableauVI.8
Pour avoir les deux spectres de rponse dacclration de rfrence des deux sites Cherchell et
Mda, la loi empirique de Lussou (2001) est utilise:
Log(PSA(f))=a(f) M+b(f) R-log10(R)+C(i,f) VI.3.1.3
Avec : PSA : Acclration spectrale maximale (cm/s) pour un amortissement gal 5%
-98-
Chapitre VI Analyse des rsultats
f: Frquence (Hz)
M : magnitude, domaine dapplication : 3.5M6.3
R : distance hypocentrale, domaine dapplication : 10R200Km
A(f) et b(f) : Coefficients dpendent de la frquence.
C(i,f) : Coefficient qui dpend de la frquence et du type de sol.
Pour tablir cette loi, Lussou a utilis les donnes du rseau K-NET avec 643 enregistrements
enregistrs sur 142 sites rocheux.
Cette loi a t teste avec le site rocheux de Bouzareah. Le spectre de rponse enregistr sur la
station et celui obtenu par la loi empirique sont reprsents sur la figure.VI.15.
Figure.VI. 15. Comparaison entre le spectre de rponse enregistr et estim par la loi empirique
Par la suite, cette loi est utilise pour gnrer les spectres de rponses de rfrences des deux
sites Cherchell et Mda. Les deux acclrations spectrales obtenues par la loi empirique sont
injectes dans le SKRISQ. Il en rsulte la figure VI.16 qui reprsente les spectres de rponses
trouvs par SKRISQ et ceux rellement enregistres sur les deux stations.
0.9 0.4
0.8 0.35
Station de Cherchell
0.7 SKRISQ Staion de Mdea
Acclration spectrale (g).
0.3
SKRISQ
0.6
0.25
0.5
0.2
0.4
0.15
0.3
0.1
0.2
0.1 0.05
0 0
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5
Priode (s). Priode (s).
Figure.VI.16. Spectres de rponses des deux stations Cherchell et Mda et ceux obtenus par SKRISQ
-99-
Chapitre VI Analyse des rsultats
SKRISQ
Nature des
Station
sites
S1 S2 Niveau de risque
La comparaison entre les deux acclrations spectrales obtenues par SKRISQ et enregistres
sur les deux sites est la suivante:
1. Pour le site de Cherchell, la valeur maximale spectrale est proche de celle enregistre
par la station, avec une dviation vers les faibles priodes. Cependant, les valeurs des
acclrations sont sous-estimes.
2. Ce qui concerne, le site de Mda, les deux courbes sont totalement dfrentes. La
tolrance existe soit dans la loi empirique soit dans le SKRISQ ou dans les deux.
Par ailleurs, les niveaux de risques des deux sites estims par SRISQ et SKRISQ sont les
mmes (Tableaux.V.8 et V.9), tandis que la comparaison avec le cas rel est impossible
(manque des donnes).
Le 21 mai 2003 19h44:40 une secousse tellurique branle les rgions dAlger et de
Boumerds, plus prcisment en mer, 7 Km au nord de Zemmouri (36.91N.3.58E) et 60
km dAlger, sa magnitude est de 6.8 (USGS) et la dure de la secousse est de 18s, avec un
foyer situ environ 10 Km de profondeur, ce sisme superficiel a donc affect une large
zone dans une direction stendant de Dellys Alger.
-100-
Chapitre VI Analyse des rsultats
Ce sisme a entran la mort de milliers de personnes (2276) et caus des dgts extrmement
importants estim 5 Milliard de $. Dans les autres Wilayas (Alger, Tizi Ouzou) les dgts
ont t moindres mais nanmoins importants. Par exemple Alger des milliers dimmeubles
ont t touchs. Bordj Mnaiel dans la Wilaya de Tizi Ouzou a compt de nombreux morts et
des centaines de blesss (Yelles-Chaouche.A.K, et al 2003).
Le sisme a t senti jusqu' 250 Km de lpicentre o lacclration enregistre a atteint
0.02g. Les stations les plus proches qui ont enregistr le choc principal se trouvent 20 Km
de lpicentre (Keddara 1 et 2) la distance entre les deux est de 150m. La diffrence
importante observe entre Keddara 1 et 2 surtout dans la direction E-O (Tableau VI.10) peut
-101-
Chapitre VI Analyse des rsultats
expliquer la prsence dun effet de site au niveau de la station 2. En outre, et parce quelles
sont localises sur la plaine de Mitidja classe comme sol meuble (Figure VI.18), les stations
de Dar El beida et dEl Afroun prsentent des amplifications importantes qui expliquent les
acclration leves enregistres. Lanalyse des signaux enregistrs en champ proche
(Keddara) fait ressortir un contenu frquentiel riche en haute frquence avec une frquence
centrale autour de 4 Hz pour la station 1. Une application rapide de la mthode H/V fait
ressortir un type de sol rocheux (C.G.S, 2003).
La figure VI.19 reprsente les rapports spectraux (H/V) des quatre stations cits ci-dessus.
Figure.VI. 19. Rapports spectraux calculs par la mthode H/V (Laouami.N et al,2003)
Juste aprs le choc principal, une station numrique a t installe au niveau de Boumerds,
7 Km de lpicentre dtermin par le CGS. Il est important de noter que une grande rplique a
secou la rgion une semaine aprs le choc principal elle est dune magnitude de 5.8 daprs
le CRAAG, les PGA des trois composantes enregistres sont mentionnes sur le tableau
VI.10.
Il en ressort une composante verticale extrmement importante et largement suprieure aux
composantes horizontales. Cette dernire observation peut tre explique par le fait que la
-102-
Chapitre VI Analyse des rsultats
station se trouve en champ proche o il est admis qu ce niveau la verticale peut tre
suprieure aux autres.
Cependant lanalyse par la mthode H/V fait ressortir une frquence fondamentale autour de
0.7 Hz, ce qui dnote lexistence probable dune couche alluvionnaire qui a cette frquence
(Laouami.N et al, 2003).
Tableau.VI. 10.Caractristiques des sites et les PGA enregistrs sur les quatre stations
Dans le but destimer le risque li leffet de site par le SRISQ pour les quatre stations :
Boumerds, Keddara 2, Dar El Beida et dEl Afroun; Kaddara (1) est considr comme un
site de rfrence de Keddara (2). Cependant, pour les autres sites la loi dattnuation prsente
auparavant (Benouar.D,1998) est utilise pour calculer les PGA de rfrences des autres sites.
L aussi H est suppose gale 30m. Cette supposition permet de dterminer Vs30 en utilisant
la formule Vs30=4 HF0, condition que Vs30100m/s (selon la classification de RPA99
Tableau 3.2), si ce nest pas le cas, des corrections doivent tre apportes lpaisseur du
profil H.
Les PGA de rfrences calculs ainsi que les niveaux de risque estims par SRISQ sont
prsents sur le tableauVI.11.
PGA de rfrence
Station S1 S2 Niveau de risque
(Benouar.D,1998)
Boumerds (rplique) 0.133 1.3 3 Moyen risque
Keddara (2) 0.340 (Keddara (1)) 2.1 3.2 Haut risque
Dar El Beida 0.1 3.2 3.1 Haut risque
El Afroun 0.042 2.3 3.9 Haut risque
-103-
Chapitre VI Analyse des rsultats
PGA de rfrence
Station Type de sol S1 S2 Niveau de risque
(Benouar.D,1998)
Boumerds (rplique) 0.133 Trs meuble 4.5 2.5 Haut risque
Keddara (2) 0.340 (Keddara (1)) Trs meuble 3.1 3.4 Haut risque
Dar El Beida 0.1 Trs meuble 4.6 2.1 Haut risque
El Afroun 0.042 Trs meuble 4.7 0.6 Moyen risque
-104-
Chapitre VI Analyse des rsultats
Remarquant partir du tableau VI.11 et VI.12 que les niveaux de risques trouvs par SRISQ
et obtenus par SKRISQ sont les mme pour les deux sites Keddara (2) et Dar El Beida. En
revanche, le SRISQ qui dpend du modle linaire quivalent, a donn un niveau de risque
moyen pour le site de Boumerds (champ proche). Cependant, il a estim le risque comme
tant grand pour le site dEl Afroun (champ lointain).
Par ailleurs, le SKRISQ qui est bas sur des vnements rels a donn un grand niveau de
risque pour le site de Boumrds, ce qui est logique vu le PGA enregistr qui est gal 29 %
de g pour la composante horizontale. Or un niveau de risque moyen est estim pour le site El
Afroun dont le PGA gal 0.1g.
Vu le manque concernant les donnes dacclrographes au niveau de chaque station, la
validation des spectres de rponses en acclration obtenus par SKRISQ ainsi que les niveaux
de risques calculs par SRISQ et SKRISQ ne peut tre effectue.
VI.4. Conclusion
Ce chapitre a t trs utile de faite quil a confirm les rsultats et les remarques trouves
dans les chapitres prcdents. Les quatre exemples considrs ont permet de tirer les
conclusions suivantes :
SRISQ est bien plac pour estimer le niveau de risque sous des sollicitations faibles
modres induisent un comportement linaire des sols en place. En revanche, il sous-
estime le niveau de risque sous des sollicitations fortes. Cette sous-estimation est due
au modle linaire quivalent adopt dans la phase dapprentissage des rseaux de
neurones artificiels labors.
-105-
Chapitre VII Conclusion gnrale
CHAPITRE VII :
CONCLUSION GENERALE
La prise en compte des effets locaux de site est imprative lors de la conception
parasismique des structures. Les observations post-sisme, les tudes exprimentales,
thoriques et numriques ont tout montr la ncessit de les prendre en compte dans les tudes
du risque sismique.
Ce travail sest ax sur ltude de leffet de site et plus particulirement sur le risque li
lamplification sismique entre la surface libre de la terre et le site de rfrence.
Pour cela, une mthode base sur la thorie des rseaux de neurones est propose dans cette
tude dans le but destimer le risque li leffet de site. La quantification du risque est
mesure par le facteur damplification spectrale en acclration entre la surface et le rocher.
Dans ce contexte, deux modles neuronaux sont labors pour estimer le risque. Le premier
nomm SRISQ est bas dans sa phase apprentissage sur les rponses spectrales gnres
par le modle linaire quivalent en utilisant des profils de sol naturels. Dans le deuxime, le
modle linaire quivalent est avantageusement remplac par des acclrations spectrales
relles et est appel ainsi SKRISQ [calcules partir des acclrogrammes enregistrs par
le dense rseau dacclrographes KIK-NET (Japon) en surface et en profondeur], il est
propos pour la gnration artificielle dun spectre de rponse dacclration la surface libre
partir de celui enregistr en profondeur et destim le risque induit par lamplification
sismique.
-106-
Chapitre VII Conclusion gnrale
influence sur les effets de site qui ne sont pas pris en considration si une
classification simple de site est base uniquement sur des mesures dans les couches
suprieures. Pour surmonter cette gne, la classification est ajuste par la frquence
caractristique de site. Cet ajustement se traduit par un meilleur niveau de confiance
quatteints les classifications VS30 et F0.
SRISQ est bien plac pour estimer le niveau de risque sous des sollicitations faibles
modres qui induisent un comportement linaire des sols en place. En revanche, le
SRISQ semble sous-estim le niveau de risque sous un fort mouvement. Ce rsultat
est d au moyen dapprentissage adopt qui est le modle linaire quivalent.
Du point de vu engineering, SKRISQ peut donner des approximations intressantes
pour les courbes spectrales dacclrations gnres la surface libre. Nanmoins, il
ne peut pas tre utilis dans les calculs des structures, ceci est d sa base de donnes
limite. Par contre, il estime bien le niveau de risque li leffet de site que se soit
pour des mouvements faibles, modrs ou forts.
Il serait tout fait intressant daugmenter les performances des diffrents rseaux de
neurones dvelopps dans cette tude, en stendant sur plusieurs aspects, en loccurrence :
Augmenter le nombre de spectres de rponses et le nombre de profils de sols
utiliss dans la phase dapprentissage.
Classifications des rseaux de neurones suivant la dure de lexcitation sismique,
la distance picentrale et la magnitude.
Gnrer des acclrogrammes la surface libre de la terre partir de ceux
enregistrs en profondeur par les rseaux de neurones de type percpectron
multicouche dpendant du temps (TDNN).
Enfin, il est recommand dtudier leffet de site 2-D sur les valles alluvionnaires par la
mthode de rseau de neurones artificiels et destimer le risque li lamplification sismique.
-107-
Rfrences bibliographiques
[1] Abdi, H. (1994). Rseaux de neurones. Presse universitaire de Grenoble, France, 1994.
[2] Andrews, DJ. (1986). Objective determination of source parameters and simi-larity of
earthquakes of different size. Earthquake source mechanics. Washington DC: American
Geophysical Union, 1986. p. 25968.
[3] Bardet, J. P., Ichii, K., & Lin, C.H. (2000).EERA : A Computer Program for
Equivalent-linear Earthquake site Response Analyses of Layered Soil Deposits.
University of southern California. Department of Civil Engineering.
[4] Bardet, J.P., & Tobita, T. (2001) NERA : A Computer Program for Nonlinear
Earthquake site Response Analyses of Layered Soil Deposits. University of southern
California. Department of Civil Engineering.
[5] Bard, P.Y., Dunand, F., Gueguen, P.H., Chatelain, J.L., GuiIllier, B., & Vassail,T.
(2003). Caractrisation du comportement dynamique des sols et des structures par
mesure de vibration ambiante : dveloppement rcent et questions en suspens .Colloque
International, Alger, Algrie.
[6] Bard, P.-Y., & Thomas, J.R. (2000). Wave preparation in complex geological structures
and their effects on strong ground motion. Wave propagation in earthquake engineering.
WIT Press Great Britain, SO40 7AA, UK.
[7] Benouar, D., Gilbert, L.M., & Yamazaki, F. (1998). Mapping seismic hazard in the
Maghreb countries : Algeria, Morocco, Tunisia. 11th European Conference on
Earthquake Engineering, Balkema, Rotterdam, ISBN 90 5410 982 3.
[8] Bonilla, L.F., Cotton, F., & Archuleta, R.J. (2003). Quelques renseignements sur les
effets de site non-linaires en utilisant des donnes de forage : la base de mouvements
forts Kik-net au Japon. 6me colloque national AFPS juillet 2003, Paris, France.
[9] Bonilla, L. F., Steidl, J. H., Lindley, G. T., Tumarkin, A.G., & Archuleta, R. J. (1997).
Site Amplification in San Fernando Valley, California: Variability of Site Effect
Estimation Using the S-wave, Coda, and H/V Methods. Bulletin of the Seismological
Society of America, 87, 710-730.
[10] Borcherdt, R.D. (1970). Effects of local geology on ground motion near San Francisco
Bay. Bulletin of the Seismological Society of America;60:2961.
[11] Borcherdt, R.D., Wentworth, C.M., Janssen, A., Fumal T., & Gibbs, J.F. (1991).
Methodology for predictive GIS mapping of special study zones for strong ground
shaking in the San Francisco bay region. Proceedings of the Fourth International
Conference on seismic Zonation, August 25-29, Stanford, California, E.E.R.I (editor),
Oakland Ca, III, 545-552.
-108-
[12] C.G.S. (2003). Rsultats prliminaires sur la caractrisation du sisme de Boumrds du
21 mai 2003 (choc principal) . Centre nationale de recherche applique en gnie
parasismique (CGS), Dpartement dala sismique. www.gecotec-dz.com.
[14] Clough, R.W. & Penzien, J. (1980). Dynamics of Structures, Tome 1: Principe
fondamentaux. Pluralis, traduit de Dynamics of structure, Mc Graw-Hill Book
Company, Inc., New York..
[15] Das, M. (1983). Principles of soil dynamic. PWS-KENT. Publishing Company Boston,
USA.
[16] Demuth, H., Beale, B. (2000). Neural Network Toolbox Users Guide Version 4 For
Use with MATLAB, The MathWorks, Inc.
[17] DTR B C 2 48. (2003). Rgles parasismiques algriennes- R.P.A.99 version 2003.
document technique rglementaire, centre national de recherche applique en gnie
parasismique, Ministre de lhabitat, Algrie.
[18] Field, E.H., & Jacob, K.H. (1995). A comparison and test of various site-response
estimation techniques, including three that are not reference-site dependent. Bulletin of
the Seismological Society of America; 85:112743.
[20] Filiatrault, A. (1991). Gnie sismique CIV6510 Tome 1. Dpartement de gnie civil
cole polytechnique de Montral. Premire edition tome I.
[21] elebi, M. (1988). Topographical and geological amplification : Case studies and
engineering implications. International Workshop on Spatial Variation of earthquake
Ground Motion, USA.
[22] Hartzell, S.H. (1992). Site response estimation from earthquake data. Bulletin of the
Seismological Society of America 1992;82:230827.
[23] Hurtado, J.E., Londono, J.M., & Meza, M.A. (2001). On the applicability of neural
networks for soil dynamic amplification analysis. Soil dynamics and earthquake
engineering 21, 579-591.
[24] Idriss, I.M., & Abrahamson, N.A. (2000). Geotechnical aspects of the earthquake
ground motion recorded during the 1999 CHI-CHI earthquake. International Workshop
on the Annual Commemoration of the Chi-Chi Earthquake September 18-20, 2000
Taipei, Taiwan.
[25] James, A.F., & David, M.S. (1992). Neural networks Algorithms, Applications, And
Programming Techniques. Addison-Wesley Publishing Company, USA.
-109-
[26] Joyner, W.B., & Fumal, T. (1984). use of measured shear wave-velocity for predicting
site effect on strong motion. Proceeding of the Eighth World Conference on earthquake
Engineering, San Francisco, 2, 777-783.
[28] Klimis, NS., Margaris, B.N., & Koliopoulos, P.K. (1998). Response spectra estimation
according to the EC8 and NEHRP soil classification provisions: a comparison study
based on Hellenic data. 11th European Conference on Earthquake Engineering,
Balkema, Rotterdam, ISBN 90 5410 982 3.
[29] Kramer, S.L. (1996). Geotechnical Earthquake Engineering. Prentice Hall, Upper
Saddle River, New Jersey, 653 pp.
[30] Lam, N., Wilson, Y., & Hutchinson, G. (2000). Generation of synthetic earthquake
accelerograms using seismological modelling : a review. Journal of Earthquake
Engineering, Vol. 4, No. 3 321-354 .
[31] Laouami, N., Slimani, A., Bouhadad, Y., Nour, A., & Larbes, S. (2003). Caractrisation
du sisme de boumerds -analyse des enregistrements obtenus lors du choc principal du
21 mais 2003. Colloque International, Alger, Algrie.
[32] Laouami, N., Slimani, A., Bouhadad, Y., Nour, A., & Larbes, S. (2003) Analysis of
Strong Ground Motions Recorded during the 21st May, 2003 Boumerdes, Algeria,
Earthquake. CSEM / EMSC News letter.
[34] Lapreste, J.T. (1999). Introduction matlab. ELLIPESE Edition Marketing S.A.
[36] Marzorati, S., Luzi, L., Petrini V., Meroni, F. & Pergalani, F. (2003). Detection of
local site effects through the estimation of building damages. Soil Dynamics and
Earthquake Engineering 23, 497511.
[37] Midorikawa, S., (1987). Prediction of isoseismical map in the kanto plain due to
hypothetical earthquake. Journal of stuctural engineering, 33B, 43-48.
-110-
[40] Paolucci, R., Colli, P., & Giacinto G. (2000). Assessment of seismic site effect in 2-D
alluvial Valleys Using Neural Networks. Eartquake Spectra, Volum 16, No.3.
[41] Pecker, A. (1984). Dynamique des sols. Presses de lcole nationale des ponts et
chausses.
[42] Pitilakis, K.D., Raptakis, D.G., & Makra, K.A. (1997). Site effects: recent
considerations and design provisions. Earthquake Geotechnical Engineering
Portugal.
[44] Rapport final. (1995). Sisme de CHENOUA du 29 octobre 1989 . Centre national de
recherche applique en gnie parasismique, Ministre de lhabitat, Alger, Algrie.
[45] Riepl, J., Gariel, J., & Bard, P. (1998). About the Coda wave signals to estimate local
site amplification factors. second international symposium on the effects of surface
geology on seismic motion, Yokohama, Japan, 523-530.
[46] afak, E. (2001). Local site effects and dynamic soil behavior. Soil Dynamics and
Earthquake Engineering 21 (2001) 453458.
[47] Saragoni, G.R., Lobos, C., & Gmez-Bernal, A. (1998). Site and Earthquake
Mechanism Effect on Design Response Spectra. 11th European Conference on
Earthquake Engineering, Balkema, Rotterdam, ISBN 90 5410 982 3.
[48] Schnabel, P.B., Lysmer, J., & Seed, H.B. (1972). SHAKE: A computer program for
earthquake response analysis of horizontally layered sites. Report No. EERC 72-12,
Earthquake Engineering Research Center, University of California, Berkeley, California.
[49] Shinozuka, M. (1987). Stochastic fields and their digital simulation. Stochastic
methods in structural dynamics, Dordrecht: Martinus Nijhoff.
[50] Stewart, J. (1997). Key Geotechnical Aspects of the 1989 Loma Prieta Earthquake.
National Information Service for Earthquake Engineering : University of California,
Berkeley. http://nisee.berkeley.edu/.
[51] Theodulidis, N., Bard, P.Y., Archuleta, R.J. & Bouchon, M. (1996). Horizontal to
vertical spectra ratio and geological conditions: the case of Garner valley downhole array
in southern California. Bull. Seism. Soc. Am., 86, pp. 306-319.
[53] Trifunac, M.D., & Todorovska, M.I. (1998). Nonlinear soil response as a natural passive
isolation mechanism - the 1994 Northrige California earthquake. Soil Dynamics and
Earthquake Engineering, 17, 41-51.
-111-
[54] Vrettos, C. (2000). Wave in vertically inhomogeneous soils. Wave motion in
earthquake engineering, advances in earthquake engineering. Published by WIT Press
Ashurst Lodg, Ashurst, Southampton, SO40 7AA,UK.
[55] Yelles-Chaouche, A.K., & Djellit, H.(2003). Le sisme de Boumerds (21 MAI 2003,
Mw:6.8 ). Colloque International, Alger, Algrie.
[56] Yezli-Khati, F., & Afra, H. (2003). Rponse sismique dun profil de sol a une onde de
cisaillement SH. Sminaire international de gomatraux.
Sites WEB
Rseaux de neurones
[57] http://www.cict.fr/cict/personnel/stpierre/reseaux-neuronaux/node1.html.
[58] http://www.grappa.univ-lille3.fr/polys/apprentissage/sortie005.html
[59] http:/www.neurones.espci.fr/
[60] http://saturn.epm.ornrl.gov/~touzetc/book/boutiquin.htm.
[61] http://ymorere.multimania.com/neurones.html.
Rseaux dacclrographes
[62] Centre weather bureau (Taiwan) : http://www.cwb.gov.tw/index-f.htm
[67] The European data base strong motion data base (Europe): http://www.isesd.cv.ic.ac.uk/
-112-
Annexes
ANNEXES
1 Annexe 1 : Notions gnrales sur les rseaux de neurones artificiels .............................................. 114
1.1. Introduction .............................................................................................................................. 114
1.2. Historique................................................................................................................................. 114
1.3. Modle biologique ................................................................................................................... 115
1.4. Neurone formel ........................................................................................................................ 116
1.5. Les rseaux de neurones formels ............................................................................................. 117
1.5.1. Les topologies ....................................................................................................................... 117
1.5.2. Fonctions d'activation............................................................................................................ 119
1.5.3. Types d'apprentissages .......................................................................................................... 120
1.5.3.1. Les mthodes d'apprentissage ............................................................................................ 120
1.6. Quelques rseaux clbres ....................................................................................................... 121
1.6.1. Perceptron ............................................................................................................................. 121
1.6.1.1. Description ......................................................................................................................... 121
1.6.1.2. Limites................................................................................................................................ 122
1.6.2. Hopfield................................................................................................................................. 122
1.6.3. Kohonen ................................................................................................................................ 123
1.6.4. Le Perceptron MultiCouche (PMC) ...................................................................................... 123
1.7. Mise en uvre des rseaux neuronaux..................................................................................... 124
1.8. Domaine dapplication des rseaux de neurones ..................................................................... 125
1.9. Limites des rseaux de neurones.............................................................................................. 126
1.10. Avantages des rseaux de neurones ....................................................................................... 126
2 Annexe 2 : Description gnrale de EERA ...................................................................................... 128
2.1. Introduction .............................................................................................................................. 128
2.2. Description de EERA ............................................................................................................... 128
2.3. Comparaison entre EERA et SHAKE91.................................................................................. 129
3 Annexe 3 : Denses rseaux dacclrographes haute technicit .................................................... 131
3.1 Introduction ............................................................................................................................... 131
3.2. Le rseau japonais K-NET ....................................................................................................... 131
3.3. Le rseau japonais KiK-NET ................................................................................................... 134
4 Annexe 4 : prsentation de quelque classifications de sites ............................................................. 135
5 Annexe 5 : Aperu sur les deux codes de calcul SRISQ et SKRISQ .............................................. 137
5.1. Description de SRISQ .............................................................................................................. 137
5.2. Description de SKRISQ ........................................................................................................... 137
-113-
Annexes
1 ANNEXE 1
NOTIONS GENERALES SUR
SUR LES RESEAUX DE NEU
NEURONES
RONES
ARTIFICIELS
1.1. Introduction
1.2. Historique
-114-
Annexes
Le cerveau humain possde deux hmisphres latrales relies par le corps calleux et
d'autres ponts axonaux, il pse moins de deux kilogrammes et contient mille milliards de
cellules, dont 100 milliards sont des neurones constitus en rseaux.
Les neurones sont des cellules nerveuses dcomposables en 4 parties principales (figure.1.1) .
Les dendrites, sur lesquelles les autres cellules entrent en contact synaptique : c'est par les
dendrites que se fait la rception des signaux.
-115-
Annexes
Par dfinition Un neurone formel est une fonction algbrique non linaire, paramtre,
valeurs bornes. Il peut tre caractris par les cinq lments suivants (Morre. Y, 2001)
(figure.1.2) :
-116-
Annexes
Les entres et les sorties peuvent tre binaires (-1 , +1) ou (0 , 1) ou relles.
w
i =1,...,n
i x i + b , polynomiale de degr suprieur deux.
Les neurones sont connects entre eux de diverses manires : rseaux totalement
interconnects (Figure.1.3.), rseaux couches ou rseaux de type feedforward (Figure.1.4.),
rseaux rcurrents (Figure.1.5.) :
-117-
Annexes
-118-
Annexes
Pour un rseau de neurones avec N cellules dans la premire couche, l'entre d'une
cellule de la seconde couche sera gnralement une somme pondre des valeurs de sortie des
neurones prcdents : h=w1x1+w2x2++wnxn
Le choix d'une fonction d'activation se rvle tre un lment constitutif important des
rseaux de neurones. Ainsi, l'identit n'est pas toujours suffisante et souvent des fonctions non
linaires et plus volues seront ncessaires. A titre illustratif voici quelques fonctions
couramment utilises comme fonctions d'activation :
-119-
Annexes
Dans les systmes experts, les connaissances de l'expert ont une forme numre :
elles sont exprimes sous forme de rgles. Dans le cas des rseaux de neurones, les
connaissances ont une forme distribue : elles sont codes dans les poids des connexions, la
topologie du rseau, les fonctions de transfert (activation) de chaque neurone, le seuil de ces
fonctions, la mthode d'apprentissage utilise. Il existe un certain nombre de mthodes
d'apprentissage :
La rgle de Hebb : c'est la mthode d'apprentissage la plus ancienne (1949), elle est
inspire de la biologie. Elle traduit le renforcement des connexions liant deux neurones
activs. Si un des deux neurones au moins n'est pas activ, le poids de la connexion n'est pas
modifi.
La rtro-propagation du gradient de l'erreur : cet algorithme (James. A.F, et al 1992)
est utilis dans les rseaux de type feedforward, ce sont des rseaux de neurones couches,
ayant une couche d'entre, une couche de sortie, et au moins une couche cache. Il n'y a pas
de rcursivit dans les connexions, et pas de connexions entre neurones de la mme couche.
Le principe de la rtro-propagation consiste prsenter au rseau un vecteur d'entres, de
procder au calcul de la sortie par propagation travers les couches, de la couche d'entre
vers la couche de sortie en passant par les couches caches. Cette sortie obtenue est compare
-120-
Annexes
la sortie dsire, une erreur est alors obtenue. A partir de cette erreur, est calcul le gradient
de l'erreur qui est son tour propag de la couche de sortie vers la couche d'entre, d'o le
terme de rtro-propagation. Cela permet la modification des poids du rseau et donc
l'apprentissage. L'opration est ritre pour chaque vecteur d'entre et cela jusqu' ce que le
critre d'arrt soit vrifi.
Les algorithmes gntiques : Ils reprsentent une modlisation de la slection naturelle.
Une population d'individus est gnre alatoirement. Un certain nombre d'individus
rpondant le mieux aux critres de slection est choisi. A partir de cette population d'lites,
une nouvelle population est gnre par reproduction, mutation, ou crossover sur les individus
de dpart, ou parents. L'opration est recommence jusqu' la vrification du critre d'arrt.
Algorithme de Sollis et Wets : c'est une mthode stochastique d'optimisation. Soit M un
vecteur contenant l'ensemble des paramtres optimiser. Soit G un vecteur de bruit gaussien.
Ce dernier sera charg de faire voluer les paramtres optimiser par somme ou diffrence
avec le vecteur M. Soit B un vecteur de biais contenant la moyenne de G, il mmorisera les
russites de la minimisation de la fonction de cot. Cette mthode converge avec une
probabilit de 1 vers le minimum global.
1.6.1.Perceptron
1.6.1.1. Description
Les perceptrons sont des rseaux de type feedforward, possdant la structure suivante :
une couche de connexions fixes, situe entre les units d'entre, la rtine, et les units
d'association. La seconde couche relie les units d'association et les units de rponse : c'est
sur ces poids que l'adaptation agit. Dans le perceptron, il n'y a qu'une seule couche qui varie
en fonction de l'adaptation (Figure.1.11.).
-121-
Annexes
La fonction de transfert utilise pour chaque neurone est la fonction de seuil (Figure.1.11)).
Seules les connexions entre les units d'association et les units de rponse sont affectes d'un
poids qui est modifi par la rgle d'apprentissage.
L'apprentissage peut-tre bas sur la loi de Widrow-Hoff, ou la rgle de Hebb.
C'est un rseau apprentissage supervis.
1.6.1.2. Limites
La fonction de transfert utilise tant binaire, les sorties du rseau seront limites
deux valeurs. Si une des entres est distante des autres, du point de vue euclidien, la
convergence du rseau risque d'tre ralentie.
Le perceptron ne peut classer que des donnes linairement sparables, problme du xor (ou
exclusif) (figure.1.12).
X1 X2 Sortie
0 0 0
0 1 1
1 0 1
1 1 0
1.6.2. Hopfield
-122-
Annexes
1.6.3. Kohonen
-123-
Annexes
fonction f drivable (la sigmode par exemple). On propage la modification des poids de la
couche de sortie jusqu' la couche d'entre. Les PMC agissent comme un sparateur non
linaire et peuvent tre utiliss pour la classification, le traitement de l'image ou l'aide la
dcision.
Mis part les couches d'entre et de sortie, l'analyste doit dcider du nombre de couches
intermdiaires ou caches. Sans couche cache, le rseau n'offre que de faibles possibilits
d'adaptation ; avec une couche cache, il est capable, avec un nombre suffisant de neurones,
d'approximer toute fonction continue. Une seconde couche cache prend en compte les
discontinuits ventuelles.
Chaque neurone supplmentaire permet de prendre en compte des profils spcifiques des
neurones d'entre. Un nombre plus important permet donc de mieux coller aux donnes
prsentes mais diminue la capacit de gnralisation du rseau. Ici non plus il n'existe pas de
rgle gnrale mais des rgles empiriques. La taille de la couche cache doit tre :
Soit gale celle de la couche d'entre.
Soit gale 75% de celle-ci.
Soit gale la racine carre du produit du nombre de neurones dans la couche d'entre et
de sortie.
Une voie de recherche ultrieure consisterait soit procder l'estimation d'un rseau
comportant de nombreux neurones puis le simplifier par l'analyse des multicolinarits ou
par une rgle d'apprentissage liminant les neurones inutiles ; soit dfinir une architecture
tenant compte de la structure des variables identifie au pralable par une analyse en
composantes principales.
-124-
Annexes
Mais rien ne vaut de tester toutes les possibilits et de choisir celle qui offre les meilleurs
rsultats.
Validation
Une fois le rseau calcul, il faut procder des tests pour vrifier que le rseau ragit bien
comme on le souhaite : c'est la validation. Il y a plusieurs mthodes pour faire cela : La
mthode la plus simple tant de garder une partie de l'chantillon rserv l'apprentissage,
pour la validation et faire ainsi une validation hors-chantillon..
Reconnaissance de Formes.
Traitement du Signal.
Classification.
Traitement de la Vision et de la Parole.
Robotique.
Classification et Analyse Discriminante.
Modlisation et Prvision.
Problmes NP-complexes ("PVC": Problme du Voyageur de Commerce...).
Classification de sries temporelles ("formes temporelles").
Nouvelles architectures informatiques.
Etude du Cerveau.
...
Et bien d'autres choses encore...
-125-
Annexes
-126-
Annexes
En modlisation : gains souvent modrs par rapport aux mthodes classiques, mais
parfois suffisants pour justifier la dmarche sur un plan conomique.
Intrt gnral dans le cas de problmes pour lesquels on connait peu d'informations a
priori.
Intrt probablement croissant terme, avec l'volution des travaux thoriques et
appliqus qui feront progresser les performances, la comprhension, les capacits, et la
facilit d'utilisation des rseaux de neurones, domaines par domaines.
-127-
Annexes
2 ANNEXE 2 :
DESCRIPTION GENERALE DE EERA
2.1. Introduction
-128-
Annexes
Sur la base dun exemple, une comparaison a t faite entre les rsultats obtenus par
SHAKE91 et le EERA : Les figures (2.2, 2.3, 2.4) reprsentent respectivement lhistoire du
temps en acclration, la fonction damplification et dacclration spectrale obtenues par les
deux codes de calculs. Il en rsulte de ces trois figures que les deux codes donnent les mmes
valeurs. Cependant, la figure.2.5 illustre lerreur relative en (%) entre les valeurs spectrales
dacclration obtenues par les deux logiciels : partir de cette figure, on peut tirer lerreur
maximale qui est gale -0.025%. Cette erreur est ngligeable; ce qui nous amne conclure
que les deux codes de calculs SHAKE91 et EERA convergent vers les mmes rsultats.
-129-
Annexes
Figure.2.2. Histoire du temps en acclration obtenue la surface libre par EERA et SHAKE91
Figure2.5. Erreur relative entre les acclrations spectrales gnres la surface libre par EERA
et SHAKE91.
-130-
Annexes
3 ANNEXE 3
DENSES RESEAUX DACCELEROGRAPHES
DACCELEROGRAPHES
A HAUTE TECHNICITE
3.1 Introduction
La connaissance que nous avions des sismes au dbut du 20me sicle reposait
essentiellement sur les tmoignages relatifs aux dgts. Depuis que la sismologie est entre
dans lre instrumentale, la technologie na cess de progresser. De nouveaux outils
apparaissent rgulirement et permettent de mieux dcrire et comprendre les tremblements de
terre.
-131-
Annexes
Dans le but de faire progresser la comprhension des effets de site, chaque station a fait
lobjet dune reconnaissance gotechnique sur une profondeur allant de 10 20 mtres selon
les sites. Les vitesses de propagation des ondes S et P ont t mesures laide dessais down-
hole. La densit volumique a galement t estime par diagraphie. La nature du sol a t
releve de visu. Chaque station a donc la "carte d'identit" de son sous-sol.
-132-
Annexes
-133-
Annexes
Le rseau KIK-NET fonctionne sur le mme principe que le rseau K-NET (stations
tlmtres diffusion rapide et gratuite des donnes (http://www.kik.bosai.go.jp), la
diffrence que le site type du rseau KiK-NET est compos d'un acclromtre en surface et
d'un acclromtre en profondeur (entre 80 et 1500 mtres).
-134-
Annexes
4 ANNEXE 4
PRESENTATION DE QUE
QUELQUE
LQUE
CLASSIFICATIONS DE S
SITES
ITES
-135-
Annexes
Tableau.4.2. classification des sites spcifie pour le nouveau code de btiment en USA.
(NEHRP 1994, UBC 1997)
Tableau.4.4. Classification des sites donne par Arias suivant la frquence caractristique du sol.
-136-
Annexes
5 ANNEXE 5
APERU SUR LES DEUX CODES DE CALCUL
SRISQ ET SKRISQ
-137-
Annexes
-138-
Annexes
-139-