Modeling and information reconstruction from landslide monitoring data
Modélisation et reconstruction de l'information à partir des données de surveillance des glissements de terrain
Résumé
Landslide is a gravity-driven downslope movement of soil, debris, or rock near the earth's surface. It can display heterogeneity in rates and movement types, ranging from creeping motion to catastrophic acceleration. Both scenarios pose a threat to the exposed region's people, infrastructure, ecosystem, and economy. Traditional landslide risk management strategy suggests avoiding building new infrastructure in such a region based on hazard maps. However, with climate change and rapid urbanization, this strategy seems challenging to implement. Therefore, Early Warning Systems (EWS) are way forward to take timely corrective measures to reduce life and economic losses. These EWS's rely on landslide monitoring systems, landslide models, and information reconstruction schemes.In this challenging context of landslide monitoring and forecasting, the present work aims to define a physics-based dynamical model of landslides, unknown parameters identification, and observer-based hazard evaluation from available measurements. This requires a multi-disciplinary approach, i.e., concepts from geophysics on the one hand and control theory on the other hand, for model structure definition and solution methods for observer problems (or parameter identification), respectively. In short, the idea is to analyze the changes in landslide variables and mechanical parameters prior to or while in a motion.In the first part of our study, we formulated state and parameter estimation issues in an ODE-PDE landslide model (with Ordinary and Partial Differential Equations) as an optimization problem with discrete-time asynchronous synthetic measurements. The calculus of variation based adjoint method (iterative approach) is then utilized to solve the problem. Secondly, we address a similar state and parameter estimation problem in a coupled ODE-PDE landslide model by designing a state observer again for synthetic measurements (continuous approach). The observer consists of a copy of the PDE part of the system and a Kalman-like design for the ODE. It is shown to ensure exponential convergence of the state and parameter estimates employing the Lyapunov tool. Finally, we present an approach for reconstructing displacement patterns and some unknown soil properties of slow-moving landslides, using a special form of the so-called Kalman filter or observer. This approach is validated for Super-Sauze landslide data from the literature with an extension of the observer to forecast landslide displacement.
Un glissement de terrain est un mouvement sur pente descendante d'une partie du sol, de débris, ou de roche de surface, entraîné par la gravité. On peut trouver une certaine hétérogénéité dans les mouvements de ce type, comme dans leurs vitesses d'évolution, allant du glissement lent à l’accélération catastrophique. Ces deux scénarios constituent une menace pour la population, les infrastructures, l’écosystème et l’économie de la région exposée. La stratégie traditionnelle de gestion des risques de glissement de terrain suggère d’éviter de construire de nouvelles infrastructures dans une telle région sur la base de cartes des aléas. Cependant, avec le changement climatique et l’urbanisation rapide, cette stratégie semble difficile à tenir. Par conséquent, les Systèmes d’Alerte Précoce (SAP) sont la voie à suivre pour prendre des mesures correctives en temps opportun afin de réduire les pertes en vies humaines et économiques. Ces SAP s’appuient sur des systèmes de surveillance des glissements de terrain, des modèles de glissements de terrain, et des algorithmes de reconstruction d’informations.Dans ce contexte difficile de surveillance et de prévision des glissements de terrain, le travail présenté dans cette thèse vise à définir un modèle dynamique des glissements de terrain basé sur la physique, développer des méthodes d'identification des paramètres inconnus, et contribuer à l’évaluation des risques par des techniques d'observateurs à partir des mesures disponibles. Cela nécessite une approche multidisciplinaire, s'appuyant ici sur des concepts issus d'une part de la géophysique et d'autre part de la théorie du contrôle, pour la définition d la structure du modèle et les méthodes de résolution des problèmes d’observateurs (ou d’identification des paramètres), respectivement. En bref, l'idée est d'analyser les changements dans les variables de glissement de terrain et dans les paramètres mécaniques avant ou pendant un mouvement.Dans la première partie de notre étude, nous avons formulé des problèmes d’estimation d’état et de paramètres dans un modèle de glissement de terrain ODE-PDE (combinant Equations Différentielles Ordinaires et à dérivées Partielles), comme un problème d’optimisation avec des mesures synthétiques asynchrones à temps discret. La méthode adjointe basée sur le calcul variationnel est ensuite utilisée pour résoudre le problème (approche itérative). Dans un deuxième temps, nous abordons un problème similaire d’estimation d’état et de paramètres dans un modèle de glissement de terrain couplé ODE-PDE en concevant cette fois un observateur, à nouveau pour des mesures synthétiques (approche continue). L’observateur se compose d’une copie de la partie PDE du système, et d’une synthèse de type Kalman pour l’ODE. Il est montré qu’il assure une convergence exponentielle des estimations d’état et de paramètres en utilisant l’outil de Lyapunov. Enfin, nous présentons une approche pour reconstruire les schémas de déplacement et certaines propriétés inconnues du sol dans le cas des glissements de terrain lents, en utilisant une forme spéciale du filtre (ou observateur) de Kalman. Cette approche est validée avec des données de glissement de terrain issues de la littérature pour le cas de Super-Sauze, et une extension de l’observateur pour prédire l'évolution du glissement est proposée.
Domaines
Automatique / Robotique| Origine | Version validée par le jury (STAR) |
|---|