Application de l'apprentissage automatique pour la construction des courbes de fragilité sismique - TEL - Thèses en ligne
Thèse Année : 2024

Use of machine learning for the construction of seismic fragility curves

Application de l'apprentissage automatique pour la construction des courbes de fragilité sismique

Anh-Dung Tran
  • Fonction : Auteur
  • PersonId : 1421977
  • IdRef : 277055792

Résumé

The evaluation of seismic risks for structures is necessary to prevent human and material losses in the event of natural disasters. The construction of seismic fragility curves, the tool that defines the probability of failure of a structure based on earthquake intensity, plays a significant role in this assessment. Generally, the method of constructing these curves requires costly procedures, often involving finite element analyses, which require considerable time and computing resources. This difficulty hinders the real-time use of this tool or its application for more common structures.Machine learning has experienced a remarkable development with its application in various fields. It is recognized as a powerful tool for modeling complex relationships between inputs and outputs from data. An innovative approach is emerging: the use of machine learning models to predict structural responses to earthquakes. Therefore, the main motivation of the thesis is to study the application of machine learning to generate seismic responses for seismic risk assessment, specifically for constructing fragility curves.The study begins with a literature review, which presents seismic fragility curves and the challenge related to the computational burden for their construction. After a brief introduction to machine learning, the first chapter focuses on its application to model seismic responses of structures. Given the sometimes contradictory wide range of characteristics, it is necessary to propose practical procedures with the most relevant and easy-to-implement features.The thesis addresses this issue and proposes an innovative approach to efficiently use and select the acceleration response spectrum sampled at different periods to build machine learning models. Two procedures, named PRO-LIN and PRO-NONLIN, are proposed for linear and nonlinear structures respectively. To validate these proposals, tests are performed on linear and nonlinear structures combined with synthetic records, demonstrating a significant reduction in simulation time while maintaining accuracy in constructing fragility curves.Although the initial validations of the procedures are conducted with synthetic records, validation with real records is essential to validate these proposals. The records are selected according to the conditional spectrum from databases. Finally, another validation aims to test the proposed procedures with existing databases in the literature. The first database concerns a linear reinforced concrete structure. The second database concerns nonlinear moment-resistant steel frames.In conclusion, based on the results obtained in the studies, this work highlights the effectiveness of the proposed procedures in the thesis. These procedures effectively improve the construction of seismic fragility curves and seismic risk assessment.
L'évaluation des risques sismiques pour les structures est nécessaire pour prévenir les pertes humaines et matérielles en cas de catastrophes naturelles. La construction des courbes de fragilité sismique, l'outil qui définit la probabilité de défaillance d'une structure en fonction de l'intensité des séismes, joue un rôle important dans cette évaluation. En général, la méthode de construction de cette courbe demande des procédures coûteuses, très souvent par appel des analyses par éléments finis, nécessitant des ressources considérables en termes de temps et d'informatique. Cette difficulté empêche l'utilisation de cet outil en temps réel ou l'application de cet outil pour les structures plus populaires.L'apprentissage automatique a connu un développement spectaculaire avec son l'application dans plusieurs domaines. Il est reconnu comme un outil puissant pour modéliser une relation complexe entre les entrées et les sorties à partir des données. Une approche novatrice émerge : l'utilisation des modèles d'apprentissage automatique pour prédire la réponse des structures sous séismes. Par conséquent, la motivation principale de la thèse est d'étudier l'application de l'apprentissage automatique à la génération de réponses sismiques pour l'évaluation des risques sismiques, plus spécifiquement pour construction de la courbe de fragilité.L'étude débute par une revue de la littérature, qui présente les courbes de fragilité sismique et le défi lié à la charge de calculs pour leur construction. Après une brève présentation de l'apprentissage automatique, le premier chapitre se concentre sur son application pour modéliser les réponses sismiques des structures. Devant un très large choix parfois contradictoire des caractéristiques, il est nécessaire de proposer des procédures pratiques avec les caractéristiques les plus pertinentes et faciles à la mise en œuvre.La thèse examine ce problème et donne une proposition innovante consiste à utiliser et sélectionner efficacement le spectre de réponse en accélération échantillonnées aux différentes périodes pour construire les modèles d'apprentissage automatique. Deux procédures, nommées PRO-LIN et PRO-NONLIN, sont proposées pour des structures linéaires et non-linéaires respectivement. Pour valider ces propositions, des tests sont effectués sur des structures linéaires et non-linéaires en combinant avec des enregistrements synthétiques, démontrant une réduction significative du temps de simulation tout en maintenant la précision dans la construction des courbes de fragilité.Bien que les premières validations des procédures soient réalisées avec des enregistrements synthétiques, une validation avec des enregistrements réels est indispensable pour valider ces propositions. Les enregistrements sont sélectionnés suivant le spectre conditionnel depuis des bases de données. Finalement, une autre validation vise à tester les procédures proposées avec des bases de données existantes dans en littérature. La première base de données concerne une structure linéaire en béton armé. La deuxième base de données concerne des portiques non-linéaires résistantes aux moments en acier.En conclusion, basant sur les résultats obtenus dans les études, ce travail met en lumière l'efficacité des procédures proposées de la thèse. Ces procédures améliorent de façon efficace la construction des courbes de fragilité sismique et l'évaluation des risques sismiques.
Fichier principal
Vignette du fichier
2024UPAST017.pdf (25.59 Mo) Télécharger le fichier
Origine Version validée par le jury (STAR)

Dates et versions

tel-04721028 , version 1 (04-10-2024)

Identifiants

  • HAL Id : tel-04721028 , version 1

Citer

Anh-Dung Tran. Application de l'apprentissage automatique pour la construction des courbes de fragilité sismique. Génie civil. Université Paris-Saclay, 2024. Français. ⟨NNT : 2024UPAST017⟩. ⟨tel-04721028⟩
0 Consultations
0 Téléchargements

Partager

More