Vous êtes sur la page 1sur 147

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

Ministre de lenseignement suprieur et la recherche scientifique

UNIVERSITE ABOU BEKR BELKAID-TLEMCEN

Facult des Sciences de lIngnieur


Dpartement de Gnie Civil

Mmoire

Pour lobtention du Diplme de Magister en Gnie Civil

Option : Matriaux-Structures-Gotechniques

Thme

ESTIMATION DU RISQUE LIE A LEFFET DE SITE


ET GENERATION DUN SPECTRE DE REPONSE
A LA SURFACE LIBRE

Prsent par
DERRAS Boumdine

Soutenu le 12 juillet 2004 devant le jury compos de

Mr F.GHOMARI Matre de confrences (Universit ABB-Tlemcen) Prsident


r
M A.BEKKOUCHE Matre de confrences (Universit ABB-Tlemcen) Encadreur
Mr D.ZENDAGUI Charg de cours (Universit ABB-Tlemcen) Co-Encadreur
Mr N.E.HANNACHI Professeur (Universit MM-Tizi Ouzou) Examinateur
Mr D.D.RAHAL Matre de confrences (Universit USTO-Oran) Examinateur
Mr M.DJAFOUR Charg de cours (Universit ABB-Tlemcen) Examinateur
Remerciements

Remercions en premier lieu, Dieu tout puissant de nous avoir permis de


mener bien et dachever ce modeste travail.

Une vive gratitude sadresse lencadreur A.Bekkouche pour ses conseils


fructueux et ses suggestions judicieuses et au co-encadreur D.Zendagui pour ses
instructions prcieuses et son aide la ralisation de cet ouvrage.

Une sincre reconnaissance simpose lhonneur du prsident de jury


Monsieur F.Ghomari, ainsi qua Messieurs : N.E.Hannachi, D.D.Rahal et
M.Djafour qui ont bien accept dexaminer le prsent mmoire.

Cette tache aurait t impossible sans le soutien et laide des membres de


ma famille, quils trouvent ici lexpression de ma gratitude.

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

Chapitre I : Introduction gnrale ................................................................................................... 1

I.1.Introduction ......................................................................................................................... 1
I.2. Organisation........................................................................................................................ 2

Chapitre II : Aperu sur les Mthodes destimations des effets locaux de site .................................... 4

II.1. Introduction ....................................................................................................................... 4


II.2. Faits marquants dans lhistoire de la prise en compte de leffet de site ................................... 4
II.3. Mthodes destimation des effets locaux de site.................................................................... 9
II.3.1. Approches exprimentales Mesures in situ et observations sur site .................................. 10
II.3.1.1. Rseau en puits........................................................................................................... 10
II.3.1.2. Rapport site sur rfrence mouvement sur sol sdimentaire / mouvement sur sol rigide 10
II.3.1.3. Rapport H/V mouvement horizontal / mouvement vertical ....................................... 11
II.3.1.4. Traitement du signal................................................................................................... 12
II.3.1.5. Observation post-sismique (Sans enregistrements)....................................................... 13
II.3.1.6. Utilisation des stations multiples et des Sismes............................................................ 14
II.3.2. Approche numrique..................................................................................................... 16
II.3.3. Approches empiriques ................................................................................................... 16
II.3.3.1. Paramtres gotechniques/amplification ....................................................................... 16
II.3.4. Approche neuronale ....................................................................................................... 18
II.3.4.1. gnrations dun acclrogramme (surface libre/substratum rocheux) ............................. 18
II.3.4.2. gnrations dun spectre de rponse en acclration (surface libre/site de rfrence)........ 18
II.3.4.3 Estimation du risque (rapport damplification spectral site/rfrence ) ........................ 19
II.4. Description des travaux..................................................................................................... 19
II.5. Conclusion....................................................................................................................... 20

Chapitre III : Modles danalyse de la rponse sismique ................................................................ 21

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

Chapitre IV : paramtres de la classification des sites.................................................................... 44

IV.1. Introduction .................................................................................................................... 44


IV.2. Dfinition des deux paramtres Vs30 et F0 ......................................................................... 44
IV.3. Classification de site suivant Vs30 ..................................................................................... 45
IV.4. tude critique et analyse des rsultats............................................................................... 47
IV.5. Conclusions .................................................................................................................... 50

Chapitre V : Estimation du risque li leffet de site et gnration dun spectre de rponse.............. 51

V.1. Introduction ..................................................................................................................... 51


V.2. Classification des sites...................................................................................................... 51
V.3. Gnration de lacclration la surface libre .................................................................... 54
V.4. Influence des deux paramtres Vs30 et F0 sur lacclration horizontale maximale ................. 56
V.5. Choix d'un critre de classification pour le mouvement sismique en surface......................... 58
V.6. Rseau de neurones artificiel (RNA).................................................................................. 63
V.6.1. Dfinitions .................................................................................................................... 63
V.6.1.2. Rseau Perceptron multicouches (PMC) rtropropagation du gradient ......................... 63
V.6.1.3. Apprentissage du PMC ............................................................................................... 64
V.6.2. Type et larchitecture du rseau de neurones utilis.......................................................... 65
V.6.3. Test et analyse des rsultats............................................................................................ 67
V.7. Gnration dun spectre de rponse la surface libre .......................................................... 69
V.7.1. Description de la Base de donnes utilises..................................................................... 69
V.7.2. Type et architecture du rseau de neurones...................................................................... 72
V.7.3. Phase test...................................................................................................................... 78
V.7.3.1. Tests sous dautres enregistrements.............................................................................. 78
V.8. Conclusions ..................................................................................................................... 81

Chapitre VI : Validation, exploitation des modles etanalyse des rsultats....................................... 83


VI.1. Introduction ................................................................................................................... 83
VI.2. Validations des deux modles neuronaux et analyse des rsultats ....................................... 83
VI.2.1. Site de HYOGO (Japon) ............................................................................................... 84
VI.2.1.1. Prsentation du site .................................................................................................... 84
VI.2.1.2. Estimation du niveau de risque par SRISQ .................................................................. 85
VI.2.1.3. Gnration des acclrations spectrales et estimation du risque par SKRISQ ................. 87
VI.2.2. Site de OKAYAMA -TOTTORI.................................................................................... 89
VI.2.2.1. Prsentation du site .................................................................................................... 89
VI.2.2.2. Estimation du risque et gnration des spectres............................................................ 92
VI.2.2.2.1. Analyse des rsultats............................................................................................... 94
VI.3. Exploitation des deux modles neuronaux ....................................................................... 96
VI.3.1. Sisme de Chenoua 1989 .............................................................................................. 96
VI.3.2. Sisme de Boumerds 2003 .........................................................................................100
VI.4. Conclusion ....................................................................................................................105

Chapitre VII : Conclusion gnrale ..............................................................................................106

Rfrences bibliographiques........................................................................................................109

Annexes.....................................................................................................................................113

1 Annexe 1 : Notions gnrales sur les rseaux de neurones artificiels ..........................................114

2 Annexe 2 : Description gnrale de EERA ................................................................................128

3 Annexe 3 : Denses rseaux dacclrographes ...........................................................................131

4 Annexe 4 : Prsentation de quelques classifications de sites........................................................135

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

Le travail prsent dans ce mmoire est organis de la manire suivante :

? 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

? La contribution de lapproche neuronale lestimation du risque li leffet de site et


la gnration dun spectre de rponse la surface est marque dans le cinquime
chapitre. Dune part, par un apprentissage bas sur les rponses donnes par le modle
linaire quivalent et dautre part, avec un apprentissage utilisant les acclrations
spectrales enregistres en surface et en profondeur.
? Dans le sixime chapitre la validation et lexploitation des deux modles neuronaux
sur la base des diffrents exemples rels sont menes avec une analyse critique des
rsultats obtenus par les deux systmes neuronaux.
? Le prsent travail se conclu par un rcapitulatif des rsultats obtenus accompagns de
quelques recommandations pour les travaux futures.

-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.

II.2. Faits marquants dans lhistoire de la prise en compte de leffet de site

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

Le sol de Mexico City peut tre divis en trois sous-parties (figure.II.2) :


1. HILLS Zone (HZ) : Sol granulaire, basalte, situe au sud-ouest de la ville.
2. Lake Zone (LZ) : Dpais dpts de sols mous, constitus de limons, argile, cendres
provenant des volcans alentour.
3. Transition Zone (TZ) : Situe entre les deux prcdentes, o les deux types de sols
prcdents se chevauchent.
Le sisme de Michoacan tant situ assez loin de Mexico City, il na provoqu que de faibles
acclrations au niveau de la HZ (0,03g 0,04g). Dans la TZ, les acclrations ont t
sensiblement identiques. Mais dans la LZ, elles ont t jusqu 5 fois suprieures. Do leffet
de rsonance observ pour la LZ, comme le montre lenregistrement sur la figure.II.1.
(UNAM = Universidad Nacional Autonoma de Mexico, SCT = Secretary of Communication
and Transportation).

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.

Figure.II.3. Plan de rupture de la faille Figure.II.4. Baie de San Francisco


(Stewart. J, 1997) (Stewart. J, 1997)

-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

sites N-S Comp. E-W Comp. Vertical Comp.

Treasure Island max=0.10g max=0.16g max=0.02g


Yerba Buena Island max=0.03g max=0.07g max=0.03g

Tableau.II.1. Valeurs de lacclration maximale des trois composantes enregistres sur les sites de
Treasure Island et Yerba Buena Island.

Figure.II. 6. Rponses spectrales dacclration enregistres au niveau de Treasure Island et Yerba


Buena Island. (Stewart. J, (1997)).

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)

1992 Odawara, First Internationnal Symposium on the Effects of Surface Geology on


Seismic Motion

janvier 1996, le rseau Kyoshin-NET est oprationnel,

1998 Yokohama, Second Internationnal Symposium on the Effects of Surface Geology on


Seismic Motion (170 papiers prsents, 350 participants),

2000 installations du rseau KIK-NET.

II.3. Mthodes destimation des effets locaux de site

Le choix de la mthode pour l'valuation de leffet de site dpend de l'importance du


projet pour lequel cette mthode est ncessaire. La section en cours prsente les diverses
techniques qui peuvent tre employes. Celles-ci peuvent tre classifies selon divers critres.
Une classification mthodologique qui distingue les approches exprimentales, numriques,
empiriques et neuronales est employe dans ce qui suit.

-9-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site

II.3.1. Approches exprimentales Mesures in situ et observations sur site

II.3.1.1. Rseau en puits

Le plus sr moyen de mettre en vidence l'effet de site est denregistrer le mouvement


du sol en profondeur et en surface sur le mme site. La comparaison entre les deux signaux
permet dobtenir la rponse du sol une sollicitation donne (Figure.II.8.). En dautres
termes, la comparaison surface / profondeur (par exemple par le rapport spectral entre les
deux signaux) permet de caractriser leffet de site. Mais les donnes de ce type sont trs rares
car cette mthode requiert un dispositif exprimental trs coteux.

0m

-103m

Figure.II. 8.Enregistrements en surface et en profondeur (-103m) sur une mme station du rseau
KIK-NET.

II.3.1.2. Rapport site sur rfrence mouvement sur sol sdimentaire /


mouvement sur sol rigide

Cette mthode a t initie par Borcherdt (1970) et est consiste enregistrer le


mouvement sismique en surface sur des sols de natures diffrentes (rocher et sdiments),
condition que les sites rocheux et sdimentaires ne soient pas trop loigns (distance
site/rfrence faible devant la distance site/source (Figure II.9)) pour que le champ gnr par
la source sismique soit identique, le rapport spectral (spectre de Fourier par exemple)
sdiment/rocher peut tre utilis pour valuer l'effet de site.
Cependant, Field et al (1995) ont propos dliminer les enregistrements dont le
rapport (signal/bruit) est infrieur 3.

-10-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site

Figure.II.9. Reprsentation schmatique de la condition dloignement

II.3.1.3. Rapport H/V mouvement horizontal / mouvement vertical

Le rapport spectral de la composante horizontale sur la composante verticale des


enregistrements sismiques la surface du mme site peut tre employ pour trouver la
frquence de rsonance du site. Cette mthode appele aussi HVSR: Horizontal Vertical
Spectral Ratio est videmment intressante en raison de sa simplicit et son conomie. Cette
mthode a t applique aux ensembles de donnes de mouvement faibles et forts par Riepl et
al (1998) et Bonilla et al (1997). Les tudes ont prouv que la forme de HVRS montre une
bonne stabilit exprimentale et que cette mthode peut tre employe pour obtenir la
frquence fondamentale de rsonance d'un site laide de la formule dveloppe par
Theodulidis et al (1996), indique sur la (Figure II.10) o SEW, SNS et SUP sont les spectres de
Fourier des acclrogrammes enregistrs la surface de la terre de la composante est-ouest,
nord-sud et Verticale respectivement.

Figure.II.10. HVSR de lvnement du 16/09/2002 enregistr sur la station TTRH03 (KIK-NET)

-11-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site

De son cot, Nakamura (1989) a dvelopp la technique de GAN (GROUND


AMBIENT NOISE) qui se base sur les enregistrements des bruits ambiants gnrs par le
trafic, linteraction vent-structure et dautres activits urbaines. Il a montr que le rapport
spectral de la composante horizontale et verticale du bruit ambiant la surface peut exprimer
les effets de site car ce rapport est li la frquence fondamentale du sol sous le site et par
consquent au facteur damplification.

II.3.1.4. Traitement du signal

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

II.3.1.5. Observation post-sismique (Sans enregistrements)

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.

Figure.II.13. Prsentation de zones amplifies et non amplifies

II.3.1.6. Utilisation des stations multiples et des sismes

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

de site Rj(f). Ainsi, le spectre de Fourier, Ui,j(f) de lenregistrement la station j du sisme i


est (Bard. P.-Y, et al , 2000) :
U i, j (f ) = S i (f ) R j (f ) Pi, j (f ) II.3.1

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,

est la vitesse de cisaillement et Q est le facteur de qualit de l'onde de transmission (Lam.


N, et al 2000) :
fn
Q = Q0 II.3.3
f0

f0 =1Hz, Q0 et n sont des facteurs dpendants du modle.
De son ct Chopra (Chopra. A.K, 1995) a donn une autre dfinition au facteur Q :
Q = exp[ 2 f t ] II.3.4
: amortissement critique.
t : est le temps mesur partir du commencement d'une oscillation normale attnue.

Aprs que Pi,j(f) est dtermin, lq.II.3.1 peut tre crite:


ln(Ui,j(f))-ln(Pi,j(f))=ln(Si(f))+ln(Rj(f)) II.3.5
Dans la station de rfrence R(f) est suppos gale 1, Si(f) et Rj(f) sont dtermins par la
technique des moindres carrs minimiss chaque frquence.
Lamplification de site R(f) obtenu par cette mthode donne une moyenne et une description
approximative de lamplification ce site, mais en gnrale ne montre pas la frquence de
rsonance et les valeurs exactes de lamplification.

-15-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site

II.3.2. Approche numrique

La procdure destimation de leffet de site par une approche numrique se dcompose en


trois tapes (Laouami,1998) :
1. La premire est la collecte de donnes sur le comportement mcanique des terrains
formant le site.
2. La deuxime est la modlisation thorique de la structure tudie.
3. La troisime consiste transcrire numriquement le modle et rsoudre le problme
de la propagation donde dans le site.
Seule les deux dernires tapes font strictement partie du champ numrique. Cependant, il
faut toujours garder lesprit que les donnes initiales jouent un rle essentiel et que mme si
lapproche numrique est correcte, les rsultats peuvent tre totalement fausses par une erreur
ou des imprcisions sur les paramtres mcaniques ou gomtriques.
En outre, la mthode qui se base sur des calculs approchs fournit une valeur raisonnable de la
frquence propre sous lincidence dune onde SH verticale (avec une sous estimation de
lordre de 10%).
Lapproche numrique qui est maintenant souvent utilise en ingnierie, consiste calculer la
rponse dune colonne de sol soumise une onde SH dincidence verticale. Cette mthode
permet de prendre en compte des effets non linaires.
Gnralement ceux-ci sont introduits par l approche linaire quivalente initi par
Schnabel et al (1972) et quelle va tre traite en dtaille, ainsi que les approches lastique et
viscolastique dans le prochain chapitre.

II.3.3. Approches empiriques

II.3.3.1. Paramtres gotechniques/amplification

Particulirement dans de grandes villes o le dveloppement des projets est important,


les dtails des donnes gotechniques sont rassembls en outre de l'information simple sur la
gologie extrieure. Ceci a motiv des chercheurs, qui ont tent de driver quelques rgles
afin de relier les paramtres gotechniques avec l'amplification locale.
Le paramtre le plus important est la vitesse des ondes de cisaillement. Plusieurs auteurs ont
propos des relations entre la vitesse de cisaillement moyenne (dont certain ont ajout la
profondeur du profil sdimentaire) et lamplification relative. La comparaison entre certaines
relations est mentionne sur la figure.II.14.

-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

AHSA1=700/V1 (pour des mouvements faibles)


(Borcherdt. R.D, et al 1991)
AHSA1=600/V1 (pour des mouvements forts)

(Field. E.H, 2001)


AHSA2= (V0 /1000) -0.704 exp (0. 12 B_depth)

Tableau.II. 2. Corrlation entre la vitesse de cisaillement et lamplification relative. (Reproduction de


(Bard, P.-Y,2000) et (Field. E.H,2001)).

A: facteur damplification relative la vitesse maximale du sol (PGV).


AHSA1 : amplification spectrale horizontale moyenne entre la priode 0.4 et 2.0 seconde.
AHSA2 : amplification spectrale horizontale moyenne la priode 1.0 seconde.
V0 : vitesse de cisaillement moyenne sur 30m de profondeur (Km/s)
V1 : vitesse de cisaillement moyenne sur 30m de profondeur (m/s)
V2 : vitesse de cisaillement moyenne sur la gamme de la profondeur qui correspond un-
quart de la longueur donde la priode 1.0 seconde (m/s).
B_depth : profondeur une vitesse de cisaillement de 2.5Km/s.

Figure.II. 14. Corrlation entre la vitesse de cisaillement et lamplification relative.

-17-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site

II.3.4 Approches neuronales

II.3.4.1. Gnrations dun acclrogramme (surface libre/substratum rocheux)

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.

II.3.4.2. Gnrations dun spectre de rponse en acclration (surface libre/site de


rfrence)

Hurtado et al (2001) ont dvelopp un rseau de neurones permet de gnrer


artificiellement le spectre de rponse dacclration la station C00 (sol alluvial rcent,
rseau SMART-1 (Taiwan), figure.II.15) partir de celui enregistr la station E02
(affleurement rocheux). Lapprentissage du rseau de neurones est effectu avec lvnement
du 21/09/83. Le rseau a t par la suite, test avec deux autres vnements enregistrs sur
laffleurement rocheux (E02). Les deux spectres de rponses en acclration gnrs par le
rseau de neurones convergent vers ceux obtenus partir des acclrographes de la station
C00 et ce malgr lutilisation dun seul vnement dans la procdure dapprentissage.
Cependant, les estimations des pics sont soient sous-estims soient surestims; ceci est d au
niveau de non-linarit qui varie en passant de bas pic vers le haut pic. Pour palier cette gne,
ils recommandent llaboration de plusieurs rseaux de neurones pour plusieurs gammes
dacclration maximale.

-18-
Chapitre II Aperu sur les mthodes destimations des effets locaux de site

Figure.II. 15. Denses rseaux dacclrographes SMART-1 (Taiwan).

II.3.4.3. Estimation du risque (rapport damplification spectral site/rfrence )

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.

II.4. Description des travaux

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.

III.2. Analyse de la rponse sismique dun profil de sol stratifi horizontalement

III.2.1 Modlisation du sol en milieu continu.

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

damortissement i . Figure III.1.


Le profil de sol est suppos soumis la propagation verticale dondes de cisaillement, par
consquent, le vecteur dplacement en tout point prsente une seule composante non nulle
selon laxe x : la propagation verticale donde de cisaillement ne peut induire quune
dformation horizontale.
u x

u= 0 III.2.1.1
0

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

yn+1 An+1 Bn+1


Substratum rocheux

Figure.III.1. Systme de couches de sol stratifi horizontalement soumis la propagation donde S


verticale. (Yezli-Khati, F, 2003).

-22-
Chapitre III Modles danalyse de la rponse sismique

Le tenseur des dformations est dfini comme suit : ij =


1
2
{
u i , j + u j,i } III.2.1.2

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

et G dsignent les coefficients lastiques de lam et ij est le symbole de Kronecker.

(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

Ainsi lquation dquilibre scrie : ij, j + f i = i III.2.1.6

i : lacclration suivant la direction i.


: masse volumique.

f i : la densit de volume dans la direction i.


(III.2.1.5) est remplace dans (III.2.1.6)pour obtenir :
2 u xi 2 u xi
Gi = i III.2.1.7
y 2 t 2

G i : module de cisaillement de la couche i.

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) :

G i = G i (1 + 2i i ) Cette formule est dmontre en dtail dans la section III.3 du prsent


chapitre.
Lquation III.2.1.7 peut scrire :
2 u xi 2 u xi
2
=0 III.2.1.8
t 2 y 2
i

-23-
Chapitre III Modles danalyse de la rponse sismique

Gi
Avec i = (Hadjebar. M.Y, 2001)
i

O i est la vitesse de cisaillement dans la couche i.


Lquation III.2.1.8 est une quation aux drives partielles de second ordre coefficients
constants.
La solution gnrale de cette dernire peut tre obtenue par la mthode de sparation des
variables sous la forme (Pecker. A, 1984):
u xi (y, t ) = x i (y )e it III.2.1.9

O xi(y) est la dformation modale, est la pulsation en (rad/s).


(III.2.1.9) est porte dans (III.2.1.8) pour obtenir :
d2xi 2
+ x=0 III.2.1.10
dy 2 i2

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 )

x i+1 ( y) = A i+1e (ii +1y ) + Bi+1e (ii +1y )


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

- Continuit du dplacement entre la couche i et i+1


lim x i (y ) = lim x i+1 (y ) III.2.1.16
y hi y0

(
A i+1 + Bi+1 = A i e (ii hi ) + Bi e (ii hi )

) III.2.1.17

A partir de lquation III.2.1.15 et III.2.1.17 les amplitudes Ai+1 et Bi+1 en fonction de Ai et Bi


sont dtermins :
1
( )
( ) 1 (
( )
A i+1 = A i 1 + i e ii h i + B i 1 i e ii hi ) III.2.1.18
2 2
1
( )
( ) 1 (
( )
Bi +1 = A i 1 i e ii h i + Bi 1 + i e ii h i ) III.2.1.19
2 2
O i est le rapport dimpdance complexe entre la couche i et i+1 (Kramer. S.L, 1996) :

i G i i G i
= =
i III.2.1.20
i +1G i+1 i +1G i+1

Les quations III.2.1.18 et III.2.1.19 sont valables partir de la couche 2.


Dautre part, la fonction de transfert Ti i+1 est le rapport de lamplitude de dplacement au toit
de la couche i lamplitude de dplacement au toit de la couche i+1 :
A i + Bi
Ti i +1 () = III.2.1.21
A i+1 + Bi+1

M ouvement la surface libre Mouvement sur un affle u rement

2A n+1
2A 1

Dpt de sol
Rocher

Mouvement au niveau du substratum

An+1 +B n+1
Mouvement dentr e

A n+1

Figure.III. 2. Terminologie utilise dans lanalyse de la rponse de site

-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

III.2.2. diffrentes tapes de calcul de la rponse du sol

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):

1. Exprimer le mouvement d'entre dans le domaine frquentiel en utilisant la


transforme de Fourier rapide (FFT). Cette transform de Fourier Aura une
partie relle et une partie imaginaire.
La transforme de Fourier dune fonction continue dans le temps f(t) est donne
par :

-26-
Chapitre III Modles danalyse de la rponse sismique

F() = f (t )e it dt
+
III.2.2.1

qui peut galement scrire sous une forme complexe :


F() = E()e i( )t = C() iS() III.2.2.2

avec : E() = C() + S()


2 2
III.2.2.3

O E() reprsente le spectre damplitude de Fourier.


2. Dfinir la fonction de transfert entre la couche dentre et la couche de sortie,
qui aura galement une parie relle et une partie imaginaire.
3. Faire le produit entre le spectre de Fourier au niveau du mouvement dentre et
la fonction de transfert reliant la couche dentre et de sortie, ce produit donne
le spectre de Fourier la surface libre, qui aura galement une partie relle et
une partie imaginaire. soit :
E1 () = E n +1 () T1 n +1 () III.2.2.4

E1 () : le spectre de Fourier la surface libre.

E n +1 () : le spectre de Fourier au niveau du substratum rocheux

T1 n +1 () : la fonction de transfert entre lentre et la surface.

4. Le spectre de Fourier la surface libre tant connu, il est possible de


dterminer lacclrogramme la surface libre par la transforme de Fourier
inverse.

III.2.2.1. Solution pour un problme Mono-couche

Sur la base de ces tapes, un programme de calcul a t dvelopp en langage


MATLAB version.6 (Lapreste, J.T, 1999). Le profil de sol reprsent sur la figure III.3 est
utilis pour valider le programme.

B1 H=20m, Vs =200m/s, =2000Kg/m , =0%,5%


3
A1
y1

An+1 Bn+1 Vs =1500m/s, =2400Kg/m , =0%,2%


3

y n+1

Figure.III. 3. Profil du sol monocouche

-27-
Chapitre III Modles danalyse de la rponse sismique

Le profil est 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 gal 0.01s.
Les rsultats obtenus sont regroups sur les deux figures III.4 (comportement lastique
=0%) et III.5 (comportement viscolastique =2%), et la diffrence entre les deux
vnements gnrs par les deux modles (lastique et viscolastique) est reprsente sur la
figure III.6. La principale remarque tire de ces deux figures est la suivante :

Labsence de lamortissement effectif dans le modle lastique donne une


surestimation vis--vis de lvnement gnr la surface libre. En plus, la fonction de
transfert atteint des proportions plus importantes dans le cas dun sol comportement
lastique que dans celui comportement viscolastique; ce qui signifie que
lamortissement influe sur la valeur de lamplification en lattnuant.

0.1
Acclorogramme la surface libre
0

-0.1
0 2 4 6 8 10 12 14
0.01

0.005 Spectre de Fourier la surface libre

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

Figure.III. 4. Systme mono-couche avec un comportement lastique

-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

1 Spectre de Fourier de l'affleurement rocheux

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

Figure.III. 5. Systme mono-couche avec un comportement viscolastique

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 .

Figure.III. 6. Acclration la surface

-29-
Chapitre III Modles danalyse de la rponse sismique

III.2.2.2. Solution pour un problme bicouche et multicouche

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 :

Couches H (m) Kg/m


3
Vs m/s
1 13 2200 0.05 150
2 30 2200 0.05 200
Affleur-rocheux 2400 1500

Tableau.III. 1 Caractristiques mcaniques du bicouche

Couches H (m) kg/m3 Vs m/s


1 3 1200 0.03 200
2 8 1400 0.04 260
3 10 1800 0.03 300
4 2 2100 0.04 550
5 13 2200 0.04 700
Affleur-rocheux 2400 850

Tableau.III. 2. Caractristiques mcaniques du multicouche

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

Figure.III. 7. Systme bicouche avec un comportement viscolastique

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

Figure.III. 8. Systme multicouche avec un comportement viscolastique

-31-
Chapitre III Modles danalyse de la rponse sismique

III.3. Modle linaire-quivalant pour un profil de sol

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).

Figure.III. 9. Contrainte totale est la somme de la contrainte effective et de la 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.

Figure.III. 10. Modle linaire, la dformation est proportionnelle la contrainte.

= G. III.3.1

Une mthode simple pour rendre compte de la dissipation d'nergie observe


exprimentalement, est d'ajouter au modle de sol une viscosit (modle de Kelvin-Voigt).

-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 :

u (y, t ) (y, t ) u (y, t )


2

(y, t ) = et  = = III.3.3
y t yt
u(y,t) est le dplacement horizontal une profondeur y et linstant t.

Figure.III. 11. Modle de Kelvin-Voigt.

Dans le cas dun mouvement harmonique, le dplacement, la dformation et la vitesse de


dformation valent :
U(y ) it U(y )
u (y, t ) = U(y )e it , (y, t ) = .e = (y ).e it et  (y, t ) = .i..e it = i.. (y, t )
y y

O U(y) et (y ) sont lamplitude de dplacement et de dformation en cisaillement


respectivement.
Or :
U(y ) it U(y ) U(y ) it
(y, t ) = (y ).e it = G. + . = G. .e + . .i...e it = (G + i..) .e
y y y

(y, t ) = G . (y, t ) G = (G + i..)

O G* est le module de cisaillement complexe et (y ) est lamplitude de la contrainte de


.
cisaillement; Aprs lintroduction du coefficient damortissement critique = le module
2.G
de cisaillement complexe devient : G = G.(1 + 2..i.) III.3.4

Le problme est de savoir quel module de cisaillement et quel coefficient damortissement


visqueux doivent tre utiliss pour chaque couche de sol avec cette analyse linaire
quivalente.

-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

7. calcul de la transforme de Fourier inverse de pour obtenir (t )

8. calcul de la norme du vecteur dformation (t )

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

12. valuation des vecteurs : acclration, vitesse et dplacement au sommet de


chaque couche
13. valuation de la contrainte et de la dformation au milieu de chaque couche.

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

Figure.III. 12. Itration de module de cisaillement et de l'amortissement en fonction de l'amplitude de


dformation.

III.4. tude comparative et analyse des rsultats

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.

III.4.1. Test sur le site de Oita-Ken

III.4.1.1. Prsentation du site

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

Tableau.III. 3. Informations sur les deux sites Saiki et Kamae

Figure.III. 13.Profil de sol de la station OIT018 Figure.III. 14. profil de sol de la station OIT016

III.4.1.2. Calcul effectu

Le site de Kamae est un affleurement de la roche. Lvnement enregistr la station


OITO18 est adopt comme tant un vnement dentre des deux modles viscolastique et
linaire quivalent. Cependant, les caractristiques lastiques de site de Saiki sont introduites
dans les deux modles et les vnements obtenus sont confronts avec celui enregistr la
station OIT016.
Les quatre histoires du temps enregistres et obtenues par les deux modles
viscolastique et linaire quivalent sont reprsentes sur la figure III.15 et les spectres de
rponses dacclrations (lamortissement=5%) des deux stations OIT018 et OIT016 ainsi
que ceux obtenus par les deux modles viscolastique et linaire quivalent sont illustrs sur
la figure.III.16.

-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

Figure.III. 16. Spectres de rponses en acclration (5% damortissement).

III.4.1.3. Analyse des rsultats

Un examen dtaill des figures.III.15 et 16 montre que :


Pour ce qui y des histoires du temps gnres, il sont pratiquement identiques dans
leurs allures gnrales avec celle enregistre la stations OITO16. Cependant, les valeurs
des pics dacclration (PGA) sont diffrents: les PGA du modle viscolastique et
linaire quivalent = 0.0035g et 0.0066g respectivement et celui enregistr la station
OITO16 vaut 0.0062g, tandis qua la station OITO18 le PGA est gal 0.0033g. Donc, la
comparaison entre les diffrentes valeurs, montre que le modle linaire quivalent
converge vers lvnement enregistr la station OITO16, contrairement au modle
viscolastique qui a sous-estim le PGA.
Ce qui concerne les spectres de rponses obtenus par les deux modles et enregistrs
sur les deux stations, les remarques sont les suivantes: le modle viscolastique prsente
une faible amplification dacclration en comparaison avec celle du cas rel (station
OITO16), tandis que la valeur dacclration spectrale maximale gnre par le modle
linaire quivalent converge vers la rponse maximale relle (station OITO16),
nanmoins, une diffrence rside au niveau de la priode correspondante au pic; cette
valeurs est gale 0.35s dans la station OITO16 et 0.2s simul par le modle linaire

-38-
Chapitre III Modles danalyse de la rponse sismique

quivalent. Cependant, le modle linaire quivalent a conserv la mme priode dentre


qui est celle enregistre la station OITO18 (mouvement dentre).
Dautre part, un calcul supplmentaire a t effectu sur la dure significative des quatre
rponses (Chapitre.V paragraphe V.4) (voir figure.III.15). Cette dure est gale 8.74s pour
le modle linaire quivalent et 9.52s sous le modle viscolastique. Pour les deux
mouvements dentre et de sortie la dure significative vaut respectivement 4.96s et 13.94s.
Ce calcul permet dvaluer le comportement des deux modles vis--vis de la dure de
lvnement sismique. Les rsultats obtenus montrent quil y a une grande diffrence entre la
dure enregistre la sortie et les deux dures obtenues par les deux modles. Ainsi, cette
diffrence semble montrer que les deux modles modlisent mal la dure de lvnement
sismique.

III.4.2. Test sur le site de Shimane

III.4.2.1. Prsentation du site

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.

Figure.III. 17. Profil de sol de la station SMNH01

-39-
Chapitre III Modles danalyse de la rponse sismique

Figure.III. 18. Position gographique de la station et de lpicentre.

III.4.2.2. Calcul effectu

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

Figure.III. 19. Acclrogrammes enregistrs en profondeur (-100m) la surface et obtenus par le


modle linaire quivalent et par le modle viscolastique

-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.

III.4.2.3. Analyse des rsultats

A partir de la figure.III.19 les remarques suivantes sont prcises :


Lacclrogramme enregistr en surface et ceux calculs par les deux modles (viscolastique
et linaire quivalent) semblent identiques dans leurs allures gnrales. En revanche, ils sont
diffrents en dtail. Par ailleurs, la comparaison entre les PGA montre que le modle linaire
quivalent bien russi estimer le PGA enregistr la station SMNH01 (PGA=0.72g), et a
donn une valeur de 0.76g, tandis que le modle viscolastique a sous-estim le PGA, la
valeur gnre est gale 0.61g.

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

Ce chapitre a permis de montrer que la prsence de lamortissement effectif dans le


modle viscolastique et linaire quivalent influe sur lamplification sismique en lattnuant
et que le modle linaire quivalent est bien adapt pour traiter des problmes de propagation
des ondes. Il a galement permis de montrer que le modle linaire quivalent porte bien son
nom de " linaire-quivalent " car il n'est sensible ni au contenu frquentiel ni la dure du
mouvement d'entre. Seule l'amplitude du mouvement d'entre influe de manire significative
sur la rponse du modle. Donc, ce chapitre sachve pour enclencher les chapitres qui
viennent, du fait que, le modle linaire quivalent va tre utilis dans ce qui suit pour gnrer
les vnements sismiques la surface libre de la terre.

-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.

IV.2. Dfinition des deux paramtres Vs30 et F0

Les deux paramtres Vs30 et F0 sont dfinis comme suit :


La vitesse de cisaillement moyenne sur trente mtres de profondeur :
30
Vs 30 = n
(lussou. P.2001) IV.2.1
hi
i V
si

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

IV.3. Classification de site suivant Vs30

Les trois vnements ( Chenoua 98 (Algrie), Tabas 78 (Iran) et Northridge 94 (USA))


enregistrs sur des sites rocheux et les quatre profils (Quyang (Chine), Fukiai (Japon)
Kirovakan2 (Armnie) et Imperial (USA)) qui possdent chacun des proprits lastiques
diffrentes sont utiliss pour obtenir les rapports spectraux (Figure.IV.1,2 et 3) et ce par le
biais de EERA (Annexe 2).

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

Quyang, H=46m, Vs30=143.5m/s


4.00

3.50
Fukiai (Japon) : H=50m Vs30=320m/s
3.00
Rapport Spctral

Kirovakan2 site, H=53, Vs30=685m/s


2.50

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. 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

3.50 Quyang, H=46m, Vs30=143.5m/s

3.00 Fukiai (Japon) : H=50m Vs30=320m/s


Rapport Spctral

2.50 Kirovakan2 site, H=53, Vs30=685m/s

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

IV.4. tude critique et analyse des rsultats :

La question suivante se pose :

VS30 est-il le meilleur paramtre possible pour dcrire l'effet de site ?

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

Dans le chapitre II plusieurs mthodes destimation de leffet de site ont t


prsentes. La plupart de ces mthodes ncessitent des dispositifs trs sophistiqus exemple
des deux rseaux dacclrographes K-NET et KIK-NET, ce qui rend lopration trs
coteuse. Pour surmonter cette gne, la mthode de rseaux de neurones artificiels est utilise
dans le prsent chapitre. Dans ce contexte, deux systmes de rseaux de neurones sont
dvelopps. Le premier pour quantifier le risque li leffet de site susceptible dtre nfaste
la construction et le deuxime pour gnrer le spectre de rponse la surface libre de la
terre.
Pour ce faire, les rseaux de neurones de type perceptron multicouche, avec la rgle de
Widrow-Hoff pour lapprentissage (voir Annexe 1) sont utiliss. Les entres du premier
systme neuronal sont les paramtres caractrisant le profil de sol, savoir sa frquence
caractristique, son paisseur totale et sa vitesse de cisaillement sur trente mtres de
profondeur et les sorties sont: le facteur moyen damplification spectrale en acclration entre
[0,0.5]s et le facteur damplification spectrale en acclration 1.0s. De ce fait, le niveau de
risque est class en trois catgories: faible risque, moyen risque et haut risque (Paolucci. R et
al, 2000). Pour le deuxime systme neuronal, la simulation dun spectre de rponse
dacclration en surface partir de celui enregistr en profondeur par la mthode neuronale
est effectue avec lutilisation des donnes du rseau dacclrographes KIK-NET. Les inputs
sont : Lacclration spectrale enregistre en profondeur et la priode correspondante, ainsi
que loutput est lacclration spectrale enregistre la surface libre de la terre.

V.2. Classification des sites

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.

Type de sol Vitesse de cisaillement Vs30 (m/s) La frquence caractristique F0 (Hz)


A1 : trs meuble <200 <1.67
B2 : meuble 200 Vs30<400 1.67 F0<3.33
C3 : Ferme 400Vs30<800 3.33 F0<6.67
D4 : rocheux 800 6.67

Tableau.V. 1. Classification de site adopte.

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.

Stations Pays F0 (Hz) H (m) Vs30 (m/s) Classification de site

KYT004 Japon 1.15 30 128.34


Quyang Chine 1.03 46.2 143.5
A1
Great Hanshin Italie 1.01 55 172.13
Port Island Japon 1.56 32 193.28
Friaul Italie 1.89 29 212.36
FKO004 Japon 3.33 30 274.67
B2
Kirovaka3 Armnie 1.96 50 282.69
Fukiai Japon 1.67 50 320.15
MAT Japon 5.88 30 433
MYZ002 Japon 5.00 30 530.89
C3
KBU Japon 6.25 29.5 624
Kirovaka2 Armnie 3.70 53 685
IWT008 Japon 10.00 30 1086.21 D4

Tableau.V. 2. Informations sur les profils de sols utiliss dans le modle

V.3. Gnration de lacclration la surface libre

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 :

30vnements dentres13profils=390vnements de soties

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

 Le site denregistrement : Les mouvements dentres sont enregistrs sur un site de


type D4 (considr dans cette tude comme site de rfrence).

N Sisme Pays date Comp. Mag. PGA (g)


1 Tabas Iran 16/09/1978 N10E 7.4 0.378
2 Whittier Narrows U.S.A 01/10/1987 N08W 6.1 0.179
3 Petrolia U.S.A 26/04/1992 360 6.6 0.255
4 Morgan Hill U.S.A 24/04/1984 230 6.1 0.058
5 Sierra Madre U.S.A 28/06/1991 0 5.8 0.271
6 New Zeland New Zeland 29/11/1997 N08E 5.7 0.004
7 Northridge U.S.A 17/01/1994 90 6.7 0.104
8 Lama prieta U.S.A 18/10/1989 0 7 0.427
9 Landers U.S.A 28/06/1992 90 7.3 0.278
10 Big Bear U.S.A 28/06/1992 90 6.5 0.042
11 New Zeland New Zeland 25/10/1999 S11E 6 0.013
12 Petrolia U.S.A 25/04/1992 90 7 1.039
13 Chalfant Valley U.S.A 20/07/1986 70 5.9 0.165
14 Coalinga U.S.A 02/05/1983 0 6.5 0.061
15 Chalfant Valley U.S.A 21/07/1986 160 6.4 0.095
16 Big Bear U.S.A 28/06/1992 360 6.5 0.534
17 Chenoua Algrie 29/10/1989 N90E 5.9 0.036
18 Victoria Cerroprieto Italie 09/06/1980 45 6.4 0.621
19 El Asnam Algrie 10/11/1980 NS 4.2 0.048
20 Straitof Gibralta Spain 10/11/1980 EW 5.2 0.025
21 Ardal Iran 06/04/1977 long 6 0.891
22 Valnerina Italie 19/09/1979 EW 5.8 0.087
23 Gazli U.S.S.R 17/05/1976 90 6.8 0.717
24 Nahanni Italie 23/12/1985 10 6.8 0.977
25 Tottori Japon 06/10/2000 NS 7.3 0.357
26 Japon Japon 26/05/2003 NS 7 0.213
27 Japon Japon 24/03/2001 EW 6.4 0.02
28 CHICHI Taiwan 09/20/1999 EW 7.6 0.11
29 Hokkaido Japon 26/09/2003 EW 7.8 0.126
30 Japon Japon 08/03/1998 EW 4.4 0.019

Tableau.V. 3. vnements enregistrs sur un site de type D4 (vnements dentres)

-55-
Chapitre V Estimation du risque et gnration des spectres

V.4. Influence des deux paramtres Vs30 et F0 sur lacclration horizontale


maximale

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.

Figure.V. 2.PGA entre A1-D4 Figure.V. 3. PGA entre B2-D4

Figure.V. 4. PGA entre C3-D4

-56-
Chapitre V Estimation du risque et gnration des spectres

Les interprtions des trois figures montrent :


1. Premirement, pour la figure.V.2 reprsentant Les PGA de A1 en fonction des PGA
de D4, montre que si les PGAb<0.6g les PGAs>PGAb. Tandis que, dans le cas o les
PGAb>0.6g les PGAs<PGAb. En outre, la courbe de tendance trouve par rgression
non linaire modlise bien la distribution des PGA (le coefficient de corrlation R de
cette courbe est gale 0.96), et ce, hormis les valeurs qui sont suprieures 0.2g.
2. Concernant la figure.V.3 reprsentant les PGA de B2 en fonction des PGA de D4,
semble montre que pour les PGAb<0.9g, les PGAs>PGAb. En revanche, si les
PGAb>0.9g, les PGAs<PGAb et la courbe de tendance trouve par rgression non
linaire reprsente bien les PGA (R=0.96), except les valeurs qui sont suprieurs
0.5g.
3. Dans la figure.V.4 qui illustre Les PGA de C3 en fonction des PGA de D4, la
variation entre PGAs et PGAb est linaire et est confirme par la courbe de tendance
linaire qui reprsente bien les valeurs de PGA. R=0.97, sauf pour les PGAb>0.8g

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

PGA (g). Site meuble (B).


0.15

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).

Figure.V. 5. PGA entre 1-2

V.5. Choix d'un critre de classification pour le mouvement sismique en surface

Quatre paramtres sont slectionns en premier lieu pour valuer la svrit du


mouvement sismique la surface libre. Deux d'entre eux ont t choisis et ce sur la base de la
dfinition de la conception des spectres de rponse dans UBC 1997 (Paolucci. R et al,2000).
Nomms sur la figure V.6, savoir:
S1 : La rponse spectrale dacclration moyenne entre [0,0.5]s.
S2 : La rponse spectrale dacclration la priode T=1s.

Figure.V. 6. Spectre de rponse dacclration avec les deux paramtres S1 et S2

-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 =

a : histoire du temps de lvnement.


g : la force de pesanteur.

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]

Figure.V. 7. Intensit dArias.

Concernant la dure du mouvement sismique, il n'existe pas de mthode universellement


reconnue pour la dfinir. Parmi de nombreuses dfinitions, trois familles sont constitues :
"braketed durations", "uniform durations" et"significant durations". Les trois sont bases sur
l'enregistrement du mouvement sismique :
La "bracketed duration" Db est dfinie comme l'intervalle de temps coul entre le premier
et le dernier dpassement d'un niveau d'acclration a0 (figure V.8).

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).

La dfinition de la "significant duration" Ds est base sur l'nergie cumule reprsente


par l'intgrale du carr de l'acclration, de la vitesse ou du dplacement. La dure la plus
utilise parmi ces dfinitions est base sur l'intensit d'Arias. Les seuils AI0 et AIf sont en
gnral 5% et 95% de l'nergie totale (figure V.10).

-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).

Figure.V. 8.Bracketed duration

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).

Figure.V. 9. "Uniform duration"

-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).

Figure.V. 10. "Significant duration"

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

Profils S1 (g) S2 (g) IA (m/s) Du (s) Db (s) Ds (s)


KYT004 0.315 0.117 0.976 54.480 132.080 67.200
Quyang 0.343 0.117 1.024 64.720 136.080 67.200
Great Hanshin 0.178 0.122 0.510 84.800 156.560 83.280
Friaul 0.505 0.087 1.933 44.320 103.680 40.160
FKO004 0.554 0.086 2.132 46.240 107.280 32.880
Kirovaka3 0.454 0.075 1.515 55.520 136.080 42.880
Fukiai 0.275 0.107 0.780 65.600 136.400 67.600
MAT 0.368 0.070 1.625 40.160 105.200 35.600
MYZ002 0.275 0.066 0.691 59.840 137.840 73.680
KBU 0.219 0.064 0.467 66.560 138.080 84.160
Kirovaka2 0.250 0.067 0.551 62.200 136.720 79.200
IWT008 0.184 0.062 0.328 69.360 136.880 87.360

Tableau.V. 4. Paramtres sensibles la classification du mouvement sismique

S1-S2 S1-IA S1-DU S1-DB S1-DS


0.001 0.970 0.798 0.781 0.930

S2-IA S2-Du S2-Db S2-Ds IA-Du


0.029 0.304 0.256 0.033 0.825

IA-Db IA-Ds Db-Du Db-Ds Du-Ds


0.843 0.977 0.927 0.831 0.852

Tableau.V. 5. Coefficients de corrlations de chaque couple

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. Rseau de neurones artificiel (RNA)

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.

V.6.1.1. Rseau Perceptron multicouches (PMC) rtropropagation du gradient

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.

Figure.V. 11. Rseau de neurones de type Perceptron multicouche

V.6.1.2. Apprentissage du PMC

Lapprentissage de ces rseaux est supervis. Lalgorithme utilis pendant cet


apprentissage est connu sous le nom de mthode de rtropropagation du gradient ou encore
"Backpropagation". Cette mthode dapprentissage se divise en plusieurs tapes :

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

V.6.2. Type et larchitecture du rseau de neurones utilis

Le rseau de neurones artificiel qui a t choisi est de type Perceptron Multicouche


PMC avec une connexion totale, ce dernier est le plus connu et le plus utilis ( 70% des
applications utilisent ce type de rseau).
Les paramtres adopts pour la classification de site et la classification de lvnement
sismique la surface libre sont utiliss comme des couples entrs/sorties pour le prsent
modle neuronal : la figure V.13 reprsente le procd dlaboration du modle. La
figure.V.12 illustre larchitecture du rseau ainsi que les paramtres caractrisant le modle.

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

Figure.V. 12. Architecture du rseau de neurones utilis

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

vnements obtenus par EERA

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)

Figure.V. 13. Procdure dlaboration du modle

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.

Figure.V. 14.Processus dapprentissage

-66-
Chapitre V Estimation du risque et gnration des spectres

Figure.V. 15.Comparaison entre A et T

Lenvironnement Matlab 6 (Demuth. H, et al 2000) est utilis pour llaboration du modle


neuronal. Le programme tabli par le langage Matlab est appel VHFSS.m et les 30 RNA
rsultant de ce programme sont stocks dans 30 fichiers sparment reprsentant la base de
donne du modle.
Pour que la base de donne soit aisment utilise, un code de calcul sous Windows, nomm
SRISQ (toujours en utilisant lenvironnement Matlab6) a t labor (annexe 5).

V.6.3. Test et analyse des rsultats

L'objectif est de tester l'aptitude de SRISQ estimer le niveau de risque li leffet de


site partir des quatre paramtres du modle : Vs30, H, F0 et PGA. Les paramtres des quatre
sites utiliss et les PGA enregistrs la base de chaque site sur un substratum rocheux sont
mentionns sur les deux tableaux V.6 et V.7. Les sites sont tirs de la base de donnes KIK-
NET. Aprs excution SRISQ a donn les niveaux de risques prsents sur les tableaux V.6 et
V.7.
Niveau Niveau de
Code des Vs30 H Fo PGA S1 S2 S1 S2
de risque risque par
stations (m/s) (m) (Hz) substratum rel rel SRISQ SRISQ
rel SRISQ
moyen moyen
OSKH03 392 40 3.5 0.0008 2.6 1.1 2.0 1.8
risque risque
Moyen Moyen
YMGH02 398 20 2.58 0.008 2.0 1.4 2.8 1.4
risque risque
Tableau.V. 6. Paramtres des deux sites OSKH03(vnement du 02/08/99, M=3.9) et YMGH02
(vnement du 16/09/02, M=5.3) et les niveaux de risques obtenus par SRISQ et partir des
enregistrements.

-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

V.7. Gnration dun spectre de rponse la surface libre

V.7.1. Description de la Base de donnes utilises

Dans cette section la capacit de la mthode neuronale tracer le spectre de rponse


la surface libre de la terre et estimer le niveau de risque partir de celui enregistr en
profondeur est prsente. Pour ce faire, les donnes rcoltes du rseau KIK-NET ont t
utilises et ce dans la phase dapprentissage Tableau.V.8 et 9. Il est noter que la
classification de site adopte est celle illustre dans le tableau V.1 (couple:Vs30-F0). La vitesse
de cisaillement moyenne sur 30m de profondeur Vs30 varie entre [180 1072]m/s et la
frquence caractristique F0 : [1.09 15.42]Hz, tandis que lpaisseur totale H appartient
lintervalle [6 64]m (tableau.V.8).

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

Date de Distance Date de Distance


Pofils Mag. Profils Mag.
l'vnement. focale (Km) l'vnement. focale (Km)

25/03/2002 4.7 46 08/10/2000 5.5 8


04/07/2002 3.8 19 12/11/2000 3.6 9
30/10/1999 4.5 13 07/10/2000 3.9 8
22/12/1999 3.8 15 07/11/2000 3.3 8
25/01/2001 4.4 53 27/02/2002 3.9 9
SMNH02
24/03/2001 6.4 51 08/10/2000 3.3 10
06/10/2000
KGWH02 25/03/2001 4.4 51 3.4 8
16:38
26/03/2001 06/10/2000
3.9 48 7.3 11
02:16 13:30
26/03/2001
5 49 18/11/1998 4.1 39
05:41
03/04/2001 4.4 67 13/01/2000 4.2 46
24/08/2001 4.3 48 24/03/2001 6.4 51
13/10/2002 4.7 43 KOCH03 25/04/2001 5.6 42
06/10/2000 7.3 111 25/03/2002 4.7 46
24/03/2001 6.4 51 06/04/2002 4.5 42
EHMNH04 25/03/2001 4.4 51 13/10/2002 4.7 43
26/03/2001 5 49 10/11/1998 4.2 46
03/04/2001 4.4 67 10/10/2000 3.4 17
25/03/2000 4.7 46 27/03/2003 4.2 13
14/02/1999 3.3 12 23/02/1999 3.4 15
06/10/2000 7.3 11 SMNH05 16/07/1999 4.4 20
24/03/2001 6.4 51 06/10/2000 7.3 11
SMNH07
25/03/2001 4.4 51 26/03/2001 5 49
26/03/2001 5 49 24/03/2001 6.4 51
27/03/2003 4.2 13 25/01/2001 4.4 17
25/03/2002 4.7 46 25/03/2002 4.7 13
13/10/2000 3.8 11 14/08/2003 4.6 15
09/01/2001 4.6 50 EHMNH03 04/01/1999 4 20
24/03/2001 6.4 51 06/10/2000 7.3 11
EHMNH07 26/05/2001 5 49 24/03/2001 6.4 49
09/05/2001 4.1 43 30/10/1999 4.5 51
24/03/2001
09/04/2002 4.5 42 6.4 51
15:28
24/03/2002
06/10/2000 7.3 11 4.2 46
15:28
02/04/2003 4.2 11 25/03/2002 4.7 46
06/10/2000 7.3 11 KOCH05 22/12/1999 3.8 15
07/10/2000
3.8 13 04/05/2002 4 55
18 :32
SMNH03
07/10/2000
3.9 8 6/06/10/2002 7.3 11
07:49
08/10/2000 5.5 8 26/03/2001 5 49
24/03/2001 6.4 51

Tableau.V. 9. vnements sismiques utiliss dans le modle neuronal.

-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

0.001 0.01 0.1 1 10


Acclration spectrale maximale (g).

(a)

A1
B2
C3
Classification de site

D4

0.0001 0.001 0.01 0.1 1


Acclration spectrale maximale (g).

(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.

V.7.2. Type et architecture du rseau 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

ont t choisies (Hurtado J.E et al 2000) savoir :

Le spectre de rponse dacclration enregistr sur le substratum rocheux (site de


rfrence) Sar (amortissement=5%);

La priode propre (T) chaque point du spectre de rponse dacclration;

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.

Pour ce faire un rseau de neurones de type perceptron multicouches a t utilis, avec la


rgle de Widrow-Hoff pour lapprentissage.

-72-
Chapitre V Estimation du risque et gnration des spectres

Spectre de rponse dacclration

Surface
Output : Sa(T)

RDN -100m -200m

Inputs : Sr(T), T

Profondeur

Spectre de rponse dacclration

Priode

Figure.V. 17. Les entres et la sortie du rseau de neurones

Sar

Sas

Figure.V. 18. Architecture du rseau de neurone

La figure V.19 et V.20 regroupent les informations concernant le processus dapprentissage


du RNA du premier groupe classe A1, dont MSE= 9.7.10-4 et le coefficient de corrlation
R=0.986 et ce aprs 668 poques.

-73-
Chapitre V Estimation du risque et gnration des spectres

Figure.V. 19.Processus dapprentissage

Figure.V. 20. Comparaison entre A et T

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

(a) KGWH02 (b) EHMNH04

(c) EHMNH07 (d) SMNH07

(e) SMNH02 (f) EHMNH03

-75-
Chapitre V Estimation du risque et gnration des spectres

(g) KOCH03 (h) KOCH05

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).

La figure V.22 et V.23 reprsentent des informations sur le processus dapprentissage du


RNA numro 106, dont MSE= 9.9.10-4 et le coefficient de corrlation R=0.998 et ce aprs
921 poques.

Figure.V.22..Processus dapprentissage

Figure.V.23.Comparaison entre A et T

-77-
Chapitre V Estimation du risque et gnration des spectres

V.7.3. Phase test

V.7.3.1. Tests sous dautres enregistrements

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.

Spectre de Par Niveau


Codes des rponse rel Niveau SKRISQ
Classes de
Profils de risque
S1 S2 S1 S2 risque

A1 KGWH02 7.3 3.6 H 8.7 5.4 H

EHMNH04 3.4 2.9 H 3.6 3.9 H

B2 SMNH07 6.6 1.6 M 6.0 1.8 M

EHMNH07 4.1 1.8 M 3.5 1.4 M

SMNH03 5.0 1.8 M 6.2 1.5 M

SMNH02 8.8 1.6 H 8.8 1.5 H


C3
KOCH03 2.3 1.0 M 2.0 1.2 M

SMNH05 7.9 4.7 H 7.9 4.4 H

EHMNH03 3.3 1.1 M 3.1 1.0 M


D4
KOCH05 4.7 1.1 M 4.7 0.8 M

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

(a) KGWH02 (b) EHMNH04

(c) SMNH07 (d) EHMNH07

(e) SMNH03 (f) SMNH02

-79-
Chapitre V Estimation du risque et gnration des spectres

(g) KOCH03 (h) SMNH05

(i) EHMNH03 (j) KOCH05

Figure.V. 24. Spectres de rponse dacclration estims par RNA et calculs partir des
enregistrements rels.

Les remarques tires de la figure.V.24, sont les suivantes :

1. Concernent les profils SMNH07, SMNH02, SMNH05 et KOCH05, les courbes


gnres par SKRISQ et celles des cas rels sont les mmes.

2. Pour les profils KGWH02, EHMNH04, SMNH03, KOCH03 et EHMNH07 les


courbes sont trs proches des enregistrements, hormis pour les valeurs des pics de
rsonance qui sont un peu diffrentes par rapport aux pics 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.

Donc dune manire gnrale, le SKRISQ a palli pratiquement le problme du comportement


non-linaire au niveaux des pics (passage du bas pic vers le haut pic et inversement) et ce
pour les mmes sites prsents aux rseaux de neurones avec des enregistrements diffrents.

V.8. Conclusion

Ce chapitre se proposait d'atteindre les deux objectifs suivants :


I. Fournir un moyen de modlisation du risque sismique li leffet de site, efficace et
moins coteux dans un but dutilisation pratique par lingnieur. Cest pourquoi, les
rseaux de neurones artificiels sont utiliss. Les facteurs d'entres et de sorties du rseau
de neurones sont :
 Les facteurs lis au site : La vitesse de cisaillement moyenne sur trente
mtres de profondeur, frquence caractristique de site ainsi que lpaisseur totale
du profil de sol.
 Les facteurs lis au mouvement sismique gnr par EERA sont : le
facteur damplification spectrale moyen en acclration entre [0,0.5]s et le facteur
damplification spectrale en acclration la priode T=1s.
Dans ce contexte, le niveau de risque est class en trois catgories q.V.5.1.
suivant les deux facteurs damplification gnrs par les rseaux de neurones
encrs dans le code de calcul SRISQ: haut risque, faible risque et risque moyen.
Par la suite, un test a t effectu sur la base des deux diffrentes sollicitations
(faible et forte). Il en rsulte, que le SRISQ donne des bonnes approximations en
les comparant avec les rsultats rels. En revanche, il sous estime le risque li
leffet de site en cas dune forte sollicitation, cela est d au modle linaire
quivalent utilis dans la phase dapprentissage. Cette conclusion va tre
confirme avec dautres exemples dans le chapitre suivant.

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

La premire partie de ce chapitre est consacre analyser les rsultats trouvs et


valider les deux modles neuronaux dvelopps dans le chapitre prcdent en utilisant les
donnes dun site qui possde sa vraie carte didentit. Cest le cas des sites japonais. Le
Japon est dot de quatre denses rseaux dacclrographes, savoir KIK-NET, K-NET
(annexe 3), H-NET et FE-NET.
cet gard, la base de donnes du rseau KIK-NET est utilise dans cette premire partie.
Les stations sont quipes de deux acclrographes, le premier en surface et le deuxime en
profondeur. La grande profondeur o les stations sont encres, reprsentent lavantage de la
puret: non affectes par les phnomnes de surface (Lussou.P, 2001); ce qui a permet
danalyser lamplification sismique dans sa vraie grandeur. Cette profondeur peut atteindre
-2300m dans certaines stations, comme celle de CHBH04 qui se situe dans la prfecture de
CHIBA.
Par la suite, une exploitation de SRISQ et SKRISQ est mene sur la base des deux sismes :
Chenoua 1989 et Boumerds 2003. La base de donnes utilises pour le premier sisme est
tire de: Internet Site for European Strong-Motion, tandis que lensembles des travaux
mens par le centre national de recherche applique en gnie parasismique C.G.S sont
exploits pour tudier le cas de Boumerds 2003.

VI.2. Validations des deux modles neuronaux et analyse des rsultats

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

VI.2.1. Site de HYOGO (Japon)

VI.2.1.1. Prsentation du site

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

Tableau.VI. 1.Classification des sites.

Station Latitude Longitude PGAb (g) PGAs (g)


HYGH01 34.2904 134.7968 0.0025 0.0083
HYGH02 35.0639 134.4261 0.003 0.0053
HYGH03 35.2161 134.5264 0.0253 0.0917
HYGH04 35.0676 135.2839 0.0023 0.0081
HYGH05 34.8963 134.3311 0.0029 0.0134
HYGH06 34.7903 134.4819 0.0022 0.0125
HYGH07 35.0278 134.6736 0.0065 0.0314
HYGH08 35.0978 134.9064 0.0071 0.03
HYGH09 34.905 135.0872 0.0045 0.0247
HYGH10 34.8132 134.8106 0.0028 0.0145
HYGH11 35.2894 134.9098 0.0078 0.0214

Tableau.VI. 2. Situations gographiques des sites et leurs PGAs et PGAb.

-84-
Chapitre VI Analyse des rsultats

Figure.VI. 1. Positions gographiques et topographiques des stations

VI.2.1.2. Estimation du niveau de risque par SRISQ

Le SRISQ est utilis dans ce contexte comme un moyen dvaluation du risque li


leffet de site. Les 11 sites sont dsigns pour effectuer ce test. Aprs calcul, les rsultats
rsums sur le tableau VI.3 et sur la figure.VI.2 ont t aboutis. Cette dernire reprsente le
code et la position de chaque station avec son niveau de risque estim par SRISQ (en bleu) et
par lacclration spectrale enregistre sur site (en rouge, HR : Haut risque et MR : Moyen
risque).

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.

Code des S1 S2 Niveau de S1 S2 Niveau de


stations SRISQ SRISQ risque rel rel risque
HYGH01 2.2 2.3 H 2.4 2.4 H
HYGH02 1.8 1.3 M 1.8 0.8 M
HYGH03 8.1 1.7 M 4.5 1.1 M
HYGH04 3.7 1.9 M 4.3 1.3 M
HYGH05 2.3 1.4 M 4.0 1.1 M
HYGH06 2.7 1.4 M 4.1 1.1 M
HYGH07 2.5 1.5 M 6.5 1.3 M
HYGH08 3.4 1.6 M 4.4 1.9 M
HYGH09 2.6 0.8 M 5.7 1.6 M
HYGH10 2.0 2.5 H 5.1 6.7 H
HYGH11 3.0 1.9 M 5.7 1.4 M

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

VI.2.1.3. Gnration des acclrations spectrales et estimation du risque en


utilisant SKRISQ

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.

(a) HYGH01 (b) HYGH02 (c) HYGH03

(d)HYGH04 (e) HYGH05 (f) HYGH06

(g)HYGH07 (h) HYGH08 (i) HYGH09

-87-
Chapitre VI Analyse des rsultats

(j) HYGH10 (k) HYGH11


Figure.VI. 3. Spectres de rponse dacclration estims par SKRISQ et calculs partir des
enregistrements rels.

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

Code des SKRISQ Niveau de Rel Niveau de


stations risque risque
S1 S2 S1 S2

HYGH01 10.3 0.1 M 2.4 2.4 H


HYGH02 2.9 0.6 M 1.8 0.8 M
HYGH03 17.7 1.0 M 4.5 1.1 M
HYGH04 3.7 1.2 M 4.3 1.3 M
HYGH05 4.6 0.5 M 4.0 1.1 M
HYGH06 7.3 1.2 M 4.1 1.1 M
HYGH07 14.6 1.6 M 6.5 1.3 M
HYGH08 2.0 1.9 M 4.4 1.9 M
HYGH09 3.2 1.4 M 5.7 1.6 M
HYGH10 8.2 2.1 H 5.1 6.7 H
HYGH11 2.1 1.4 M 5.7 1.4 M

Tableau.VI. 4. S1 et S2 obtenus par SKRISQ 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
------ 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

VI.2.2. Site de OKAYAMA-TOTTORI

VI.2.2.1. Prsentation du site

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. 5.Profil de sol de la station OKYH01 Figure.VI. 6.. Site de OKAYAMA-TOTTORI

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

Figure.VI. 8. Positions gographiques et topographiques des stations

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

Tableau.VI. 5. Paramtres-classe-distance de chaque profil et les PGA enregistrs.

-91-
Chapitre VI Analyse des rsultats

VI.2.2.2. Estimation du risque et gnration des spectres

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.

Code des SRISQ SKRISQ Rel


stations Niveau de Niveau de Niveau de
S1 S2 S1 S2 S1 S2
risque risque risque
OKYH01 1.1 2.5 M 7.0 5.2 H 9.1 2.5 H
OKYH05 2.9 1.0 M 2.5 0.4 M 3.2 0.9 M
OKYH06 1.6 1.1 M 6.7 0.9 M 6.1 1.9 M
OKYH07 1.2 1.0 M 3.1 0.2 M 2.6 0.7 M
OKYH09 2.8 1.0 M 4.0 1.2 M 4.7 1.2 M
SMNH01 2.6 1.8 M 2.7 1.0 M 3.6 1.6 M
EHMNH05 2.6 1.3 M 4.2 0.5 M 4.5 1.2 M
HRSH02 1.0 1.0 F 3.0 1.4 M 2.4 1.1 M
HRSH08 0.9 1.0 M 2.4 1.1 M 2.6 1.1 M
HYGH05 1.8 1.0 M 4.0 1.6 M 4.3 1.0 M
HYGH12 1.0 1.0 F 5.5 1.1 M 6.3 0.9 M
TTRH02 1.4 0.1 M 2.0 3.1 H 2.0 6.1 H

Tableau.VI. 6. S1 et S2 obtenus par SRISQ, SKRISQ et enregistrs sur sites

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

Longitude. Longitude. Longitude.

(a) (b) (c)


Figure.VI. 9. Facteurs damplification spectrale S1 T= [0-0.5]sec, pour les 12 profils.
(a) : A partir des acclrographes, (b) : Par SRISQ, (c) : Par SKRISQ

-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.

(a) (b) (c)


Figure.VI. 10. Facteurs damplification spectrale S2 T=1sec, pour les 12 profils.
(a) : A partir des acclrographes, (b) : Par SRISQ, (c) : Par SKRISQ

(a) OKYH01 (b) OKYH05 (c) OKYH06

(d) OKYH07 (e) OKYH09 (f) HYGH05

(g) HYGH12 (h) SMNH01 (i) EHMNH05

-93-
Chapitre VI Analyse des rsultats

(k) HRSH02 (l) HRSH08 (m) TTRH02

Figure.VI. 11. Spectres de rponse dacclration estims par SKRISQ et calculs partir des
enregistrements rels.

VI.2.2.3. Analyse des rsultats

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

Acclration spectrale (g).


2.5

1.5

0.5

0
0.01 0.1 1 10
Priode sec.

Figure.VI. 12. Spectre de rponse dacclration en profondeur et la surface enregistrs au niveau


de la station TTRH02

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.

VI.3. Exploitation des deux modles neuronaux

VI.3.1. Sisme de Chenoua 1989

Le 29 octobre 1989 20h09mn et 24s, la rgion du Mont Chenoua (Tipaza) situe


60Km louest dAlger, a t le sige dun violant sisme de magnitude 6 daprs le CRAAG
(Centre de Recherche en Astronomie, Astrophysique et Gophysique). Lpicentre du choc
principal se situe, toujours daprs le CRAAG, aux coordonnes gographiques suivantes :
Latitude :36 26 N et Longitude : 2 33 E. Le foyer se trouve environ 10Km de
profondeur, le sisme est donc superficiel.
Le bilan officiel des victimes slve 35 morts, plus de 700 blesss, environ 50000 sinistrs
et quelques 8000 constructions, dont 500 relevant du domaine public, ont t endommages
(Sisme de Chenoua rapport final,1995).
Les Sept stations en champ libre entourant la rgion picentrale ont enregistr la secousse
principale (figure VI.13). Seul trois enregistrements assez significatifs, au vu de leur dure et
amplitude, ont t analyss. Il sagit des enregistrements des stations dAlger (Bouzareah),
Cherchell et de Mda (Tableau VI.7). Les quatre autres nont montr quun dclenchement
de lappareil.
Donc, seulement les deux sites de Cherchell et Mda sont considrs. Cependant, la nature
des sites est la seule donne disponible. Pour palier ce problme, la mthode H/V cite dans le
chapitre.II est utilis pour obtenir les deux frquences caractristiques des deux sites
Cherchell et Mda. De ce fait, lpaisseur des deux profils 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.

-96-
Chapitre VI Analyse des rsultats

Figure.VI. 13.Acclrographes entourant la rgion picentrale

lvation Distance PGA (g) Dure Condition


Station Latitude. Longitude. Epicentrale
(m) NS EW V (s) du site
(km)
Roche
Bouzareah 36.83 3 332 50 -0.036 -0.034 -0.021 20.1
(D4)
Sol meuble
Chechell 36.607 2.196 ? 29 0.283 0.226 0.132 23.98
(B2)
Alluvion
Mda 36.303 2.731 1105 59 0.043 -0.04 -0.03 21.98
(A1)

Tableau.VI. 7. caractristiques et enregistrements des trois stations (Internet Site for European
Strong-Motion)

La figure.VI.14 reprsente le rapport H/V calcul partir des deux enregistrements


horizontaux (NS et EW) et vertical (V) enregistrs la station de Cherchell. La frquence
correspondante au premier pic de rsonance est la frquence caractristique du site.

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

PGA (g) SRISQ


de F0 H Vs30
Station
rfrence (Hz) (m) (m/s) Niveau de
q.VI.3.1.2 S1 S2
risque

Cherchell 0.058 1.86 30 223.2 2.3 1.6 Moyen risque

Mda 0.03 0.48 52 100 2.7 3.5 Haut risque

Tableau.VI. 8. Rsultats obtenus par SRISQ

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).

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

Cherchell meuble 2.6 1.3 Moyen risque

Mda Trs meuble 3.87 2.52 Haut risque

Tableau.VI. 9.Rsultats obtenus par SKRISQ

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).

VI.3.2. Sisme du Boumerds 2003

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

Figure.VI. 17. Localisation du sisme de Boumerds (Yelles-Chaouche.A.K, et al 2003)

Figure.VI. 18. Carte de distribution de dpts quaternaires dans la rgion dAlger-Boumerds et la


localisation des stations denregistrement (Laouami.N et al, 2003).

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).

Distance PGA (g) Fo(Hz) H(m) Vs30


Station Epicentrale Condition du site
(m/s)
(km) E-O V N-S
Boumers
7 0.29 0.4 0.13 0.7 35.71 100 Alluvien (A1)
Rplique : 27/05/2003
Keddara (2)
20 0.58 0.22 0.35 0.5 20 100 Remblai (A1)
Choc principal
Dar El Beida Dpt quaternaire
29 0.52 0.16 0.46 0.3 83.33 100
Choc principal (A1)
El Afroun Dpt quaternaire
86 0.16 0.03 0.09 1.2 30 144
Choc principal (A1)

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

Tableau.VI. 11. S1, S2 et les niveaux de risques par SRISQ

-103-
Chapitre VI Analyse des rsultats

Le spectre de rponse rglementaire en acclration de la catgorie S1 (site rocheux) pour un


amortissement critique 5% (RPA99, version 2003) est utilis comme linput de SKRISQ. Le
coefficient de zone A a t remplac par les PGA de rfrences calculs partir de la loi
dattnuation de Benouar
La figure.VI.20 reprsente les spectres de rponses en acclration obtenus par SKRISQ:

(a) Boumerds (b) Keddara (2)

(c) Dar El Beida (d) El Afroun


Figure.VI. 20.Spectres de rponse dacclration estims par SKRISQ

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

Tableau.VI. 12. S1, S2 et les niveaux de risques par SKRISQ

-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.

 Du point de vu engineering, SKRISQ donne des approximations intressantes pour les


courbes spectrales dacclrations gnres la surface libre. Seulement, 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.

-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.

Les rsultats de cette tude, ont indiqu les points suivants :


 La prsence de lamortissement effectif dans le modle viscolastique et linaire
quivalent influe sur lamplification sismique en lattnuant et que Le modle linaire
quivalent est bien adapt pour traiter des problmes de propagation des ondes. En
revanche, il porte bien son nom de " linaire-quivalent " car il n'est sensible ni au
contenu frquentiel ni la dure du mouvement d'entre. Seule l'amplitude du
mouvement d'entre influe de manire significative sur la rponse du modle.
 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
du site lorsquil sagit dune structure peu profonde. En revanche, une structure
gologique plus profonde telle que les bassins sdimentaires peut avoir une forte

-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.

[13] Chopra, A. K. (1995). Dynamics of Structures. Theory and Applications to Earthquake


Engineering, Prentice Hall.

[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.

[19] Field, E.H. (2001). Earthquake Ground-Motion Amplification in Southern California.


(http://www.soest.hawaii.edu/gmt/).

[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.

[27] Kashima, T. (2002) ViewWave Help. IISEE, BRI. http://iisee.kenken.go.jp.

[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.

[33] Laouami, N. (1998). lments de compression des effets de site amplification du


mouvement sismique par une couche de sol. Sminaire sur : Construction parasismique
urbanisme, architecture et amnagement en zone sismique, centre national de recherche
applique en gnie-parasismique, C.G.S.

[34] Lapreste, J.T. (1999). Introduction matlab. ELLIPESE Edition Marketing S.A.

[35] Lussou, P. (2001). Calcul du mouvement sismique associ un sisme de rfrence


pour un site donn avec prise en compte de leffet de site. Mthode empirique linaire et
modlisation de leffet de site non-linaire. Thse de doctorat de l'Universit Joseph
Fourier Grenoble-

[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.

[38] Nakamura, Y. (1989). A method for dynamic characteristics estimation of subsurface


using microtremor on the ground surface. Quarterly Report of Railway Technical
Research Institute, 30, N1, pp. 25-33.

[39] Olivier, B.F., (2000). Leffet de site. http://www.mssmat.ecp.fr.

-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.

[43] Rahmoun, Z. (2002). Nouvelle approche de gnration dacclrogramme artificiel


compatible avec un spectre de rponse en utilisant les rseaux de neurones. Mmoire de
magister, universit Abou-Bekr-Belkaid, Tlemcen, Algrie.

[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.

[52] Touzet, C. (1992). Les rseaux de neurones artificiels, introduction au connexionisme


cours, exercice et travaux pratiques. http://saturn.epm.ornrl.gov.

[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

[63] COSMOS virtual data centre (USA) : http://db.cosmos-eq.org/

[64] Digital Strong-Motion Seismograph Network KiK-net (Japon) : www.kik.bosai.go.jp/kik

[65] Kyoshin Network K-NET (Japon) : http:/www.k.bosai.go.jp/kik/

[66] PEER Strong Motion Database (USA) : http:/peer.berkeley.edu/smcat

[67] The European data base strong motion data base (Europe): http://www.isesd.cv.ic.ac.uk/

Les logiciels utiliss

Matlab R12 (ver. 6.0) : http://www.mathworks.com/


EERA (ver 2000) : http:/geoinfo.usc.edu/gees
ViewWave (ver. 1.3) : http://iisee.kenken.go.jp/staff/kashima/viewwave/
SeismoSignal (ver. 2.0) : www.seismosoft.com
Surfer (ver. 6.01 et ver. 8.0) : www.goldensoftware.com

-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

Lors de lmergence dune nouvelle technique, lingnieur se demande naturellement


en quoi elle peut lui tre utile. Si elle est dote dun nom plus mtaphorique que scientifique
ce qui est videmment le cas pour les rseaux de neurones , la rponse cette question doit
tre particulirement prcise et motive. Cest la raison pour laquelle cette annexe est
consacre un expos des arguments thoriques et pratiques qui justifient lutilisation des
rseaux de neurones.
Les rseaux de neurones artificiels ou rseaux connexionnistes sont fonds sur des modles
qui tentent dexpliquer comment les cellules du cerveau et leurs interconnexions parviennent,
dun point de vue globale, excuter des calculs complexes.
Ces systmes qui stockent et retrouvent linformation de manire similaire au cerveau sont
particulirement adapts aux traitements en parallle de problmes complexes comme la
reconnaissance automatique de la parole, la reconnaissance de visages ou bien la simulation
de fonctions de transfert. Ils offrent donc un nouveau moyen de traitement de linformation
utilis en reconnaissance de formes (vision, image, traitement de signal, calssification etc).
Les architectures connexionnistes sinspirent de lorganisation neuronale du cerveau humain.
Dans les rseaux de neurones artificiels de nombreux processeurs appels cellules ou units,
capables de raliser des calculs lmentaires, sont structurs en couches successives capables
dchanger des informations au moyen de connexions qui les relient. On dit de ces units
quelles miment les neurones biologiques.

1.2. Historique

Citons quelques tapes dans la formalisation des rseaux de neurones :

Premire dfinition d'un neurone formel par McCulloch et Pitts en 1943


Les percepts ou concepts sont physiquement reprsents dans le cerveau par l'entre
en activit (simultane) d'une assemble de neurones (Donald Hebb, 1949).

-114-
Annexes

L'hypothse concurrente est la spcialisation de certains neurones dans des tches


cognitives complexes (cf le fameux neurone << grand-mre >>).
Deux neurones entrant en activit simultanment vont tre associs (c'est--dire que
leur contacts synaptiques vont tre renforcs). On parle de loi de Hebb et
d'associationnisme
Le perceptron de Frank Rosenblatt (1958) : le premier modle pour lequel un
processus d'apprentissage a pu tre dfini. De cette priode, date galement les travaux
de Widrow et Hoff.
Le livre de Minski et Papert "Perceptrons" (1969). Cet ouvrage contient une tude
critique trs complte des perceptrons. On lui reproche parfois violemment d'avoir
sonn le glas des recherches sur les rseaux neuronaux dans les annes 70, ce que
nient leurs auteurs.

l'algorithme de rtropropagation du gradient dans les rseaux multi-couches dcouvert


au dbut des annes 80 par Rumelhart et McClelland, Parker, Hinton, Le Cun. Les
inventeurs sont nombreux car l'ide de descente de gradient est naturelle. La plupart
de ces travaux taient associs des tudes empiriques montrant la puissance du
modle.
Le modle de Hopfield (1982) qui utilise des rseaux totalement connects bass sur la
rgle de Hebb qui ont permis de dfinir la notion d'attracteurs et de mmoire
associative.
Les cartes de Kohonen (1984) avec un algorithme non supervis bas sur l'auto-
organisation.
La machine de Boltzman (1985), autre type de rseaux attracteurs avec une
dynamique de Monte-Carlo.

1.3. Modle biologique

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

Le corps de la cellule, c'est l'unit de traitement.


Laxone, o passent les messages accumuls dans le corps de la cellule : l'envoie de
l'information se fait par l'axone.
Les synapses par lesquelles la cellule communique avec d'autres cellules, ce sont des
points de connexion par o passent les signaux de la cellule.

Figure.1.1 : Exemple de rseau de neurones biologiques.

Un neurone stimul envoie des impulsions lectriques ou potentielles d'action, d'autres


neurones. Ces impulsions se propagent le long de l'axone unique de la cellule. Au point de
contact entre neurones, les synapses, ces impulsions sont converties en signaux chimiques.
Quand l'accumulation des excitations atteint un certain seuil, le neurone engendre un potentiel
d'action, pendant une dure de 1ms. Le neurone mettant le signal est appel neurone pr-
synaptique et celui recevant ce signal, neurone post-synaptique .

1.4. Neurone formel

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) :

La nature de ses entres (x1,x2,.,xn)


la fonction d'entre totale h dfinissant le pr-traitement effectu sur les entres
h=w1x1+w2x2++wnxn+b
La fonction d'activation, ou d'tat, f dfinissant l'tat interne du neurone en fonction de
son entre totale.
La fonction de sortie y calculant la sortie du neurone en fonction de son tat
d'activation.
La nature de la sortie du neurone.

-116-
Annexes

figure.1.2. structure gnrale du neurone formel

Les entres et les sorties peuvent tre binaires (-1 , +1) ou (0 , 1) ou relles.

La fonction d'entre totale peut tre boolenne, linaire w


i =1,...,n
i x i ou affine

w
i =1,...,n
i x i + b , polynomiale de degr suprieur deux.

La fonction de sortie du rseau de neurone est en gnral considre comme la fonction


identit, la sortie du neurone est gnralement considre comme l'activation.

1.5. Les rseaux de neurones formels

Les rseaux de neurones artificiels regroupent en rseaux un certain nombre de


neurones formels connects entre eux de diverses manires.
Un rseau est dfini par :
Sa topologie, qui reprsente le type de connexion existant entre les divers neurones du
rseau.
La fonction de transfert qui caractrise le neurone.
Les mthodes d'apprentissage utilises pour faire apprendre au rseau des couples
d'entres-sorties.

1.5.1. Les topologies

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

Figur.1.3. Rseau totalement. Figur.1.4. Rseau couches. Figur.1.5.Rseau rcurrent


Interconnect
L'exemple le plus simple de rseau de neurones est donn par le perceptron multicouches,
chaque couche contenant une ou plusieurs cellules. Afin d'illuster un peu ces propos, voici le
rle de chacune des couches dans un perceptron trois couches :

Figure.1.6. Perceptron multicouches


Les neurones d'entre
La premire couche est appele couche d'entre. Elle recevra les donnes source que l'on
veut utiliser pour l'analyse. Dans le cas de cette ltude, cette couche recevra les donnes
concernant le site de rfrence. Sa taille est donc directement dtermine par le nombre de
variables d'entres.
Les neurones cachs
La seconde couche est une couche cache, en ce sens qu'elle n'a qu'une utilit intrinsque
pour le rseau de neurones et n'a pas de contact direct avec l'extrieur. Les fonctions
d'activations sont en gnral non linaires sur cette couche. Le choix de sa taille n'est pas
implicite et doit tre ajust. En gnral, on peut commencer par une taille moyenne des
couches d'entre et de sortie mais ce n'est pas toujours le meilleur choix. Il sera souvent
prfrable pour obtenir de bons rsultats, d'essayer le plus de tailles possibles.

-118-
Annexes

Les neurones de sortie


La troisime couche est appele couche de sortie. Elle donne le rsultat obtenu aprs
compilation par le rseau des donnes entre dans la premire couche.. Sa taille est
directement dtermine par le nombre de variables qu'on veut en sortie.

1.5.2. Fonctions d'activation

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 :

y = f(h) = 1/(1 + exp(h)) y = 2 / (1 + exp(-2 h)) - 1

Figure.1.7. Le sigmode standard Figure1.8. La tangente hyperbolique


(encore appel fonction logistique)

y = exp(-(h)/2) y = 0 si h<0 et y=1 si h>0

Figure.1.9. La fonction Gaussienne Figure.1.10. Une fonction seuil

-119-
Annexes

1.5.3. Types d'apprentissages

Il existe deux types d'apprentissages : l'apprentissage supervis et l'apprentissage non


supervis :
 Apprentissage supervis : un superviseur, ou professeur, fournit au rseau des
couples d'entres-sorties. Il fait apprendre au rseau l'ensemble de ces couples, par une
mthode d'apprentissage, comme la rtro-propagation du gradient de l'erreur, en
comparant pour chacun d'entre eux la sortie effective du rseau et la sortie dsire.
L'apprentissage est termin lorsque tous les couples entre-sortie sont reconnus par le
rseau. Ce type d'apprentissage se retrouve, entre autres, dans le perceptron.
 Apprentissage non supervis : cet apprentissage consiste dtecter automatiquement
des rgularits qui figurent dans les exemples prsents et modifier les poids des
connexions pour que les exemples ayant les mmes caractristiques de rgularit
provoquent la mme sortie. Les rseaux auto-organisateurs de Kohonen sont les
rseaux apprentissage non supervis les plus connus.

1.5.3.1. Les mthodes d'apprentissage

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. Quelques rseaux clbres

1.6.1.Perceptron

La conception du perceptron (Abdi. H, 1994) par Rosenblatt marque la naissance


historique du connexionnisme dans les annes 50. Le perceptron lmentaire est constitu
d'un rseau d'associateurs linaires, bass sur la reprsentation mathmatique de la cellule
nerveuse ralise par McCulloch et Pitts et ayant pour technique d'apprentissage la loi de
Widrow-Hoff.

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

Figure.1.11. Schma descriptif du perceptron mono-couche.

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

Figure.1.12 : problme du xor.

1.6.2. Hopfield

Ce type de rseau est un ensemble de neurones, o chaque neurone est connect


chaque autre neurone. Il n'y a aucune diffrenciation entre les neurones d'entrs et de sorties.
L'application principale d'un rseau Hopfield est l'entrept et la reconnaissance des patrons,

-122-
Annexes

e.g. l'optimisation des images. La mthode d'apprentissage est : non-supervise. L'algorithme


d'apprentissage est la rgle d'apprentissage "simulated annealing" (parfois delta).

Figure.1.13. Le rseau de Hopfield

1.6.3. Kohonen

C'est probablement le type de rseau de neurones le plus utile, si le processus


d'ducation du cerveau humain est tre simul. Le coeur de ce type est la mappe o des
neurones s'organisent eux-mmes par rapport certaines donnes l'entre. Ce type de rseau
est "feedforward" ainsi que "feedback". Il est utilis dans le codage d'informations.

Figure.1.14. Le rseau de kohonen

1.6.4. Le Perceptron MultiCouche (PMC)

Ils sont une amlioration du perceptron comprenant une ou plusieurs couches


intermdiaires dites couches caches. Ils utilisent, pour modifier leurs poids, un algorithme de
rtropropagation du gradient, qui est une gnralisation de la rgle de Widrow-Hoff. Il s'agit
toujours de minimiser l'erreur quadratique, ce qui est assez simple quand on utilise une

-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.

1.7. Mise en uvre des rseaux neuronaux

Nous allons suivre une dmarche compose de quatre tapes principales


(http://www.cict.fr):

tape 1 : fixer le nombre de couches caches

tape 2 : dterminer le nombre de neurones par couches caches

tape 3 : choisir la fonction d'activation

tape 4 : choisir l'apprentissage

tape 1 : fixer le nombre de couches caches

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.

tape 2 : dterminer le nombre de neurones par couches caches

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.

tape 3 : choisir la fonction d'activation

Nous considrerons la fonction tangente hyperbolique pour le passage de la couche d'entre


la couche cache. Le passage de cette dernire la couche de sortie sera soit linaire.

tape 4 : choisir l'apprentissage

L'apprentissage de rtro-propagation ncessite la dtermination du paramtre d'ajustement des


poids synaptiques chaque itration.
La dtermination du critre d'arrt est aussi cruciale dans la mesure o la convergence peut
passer par des minima locaux

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..

1.8. Domaine dapplication des rseaux de neurones

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

1.9. Limites des rseaux de neurones

On peut "esprer" de nouvelles capacits grce une sophistication rendue possible


par les progrs matriels (rapidit ==> qualit ?). Rien cependant ne permet
aujourd'hui d'tre affirmatif sur ce plan.
Manque de formalisme (ou dans certains cas, dficit d'informations sur les avances
thoriques, ce qui revient au mme d'un point de vue pratique). Le "savoir" et la
comptence sont plus lis l'exprience qu' la matrise des formalismes thoriques.
La pluri-disciplinarit et la complexit des systmes mis en jeux dans les rseaux
neuro-mimtiques ne favorisent peut-tre pas l'mergence de formalismes universels
et productifs...
Manque de recul. Et par consquent, manque d'exprience, ce qui est contraignant
compte tenu du point prcdent.
Aspect "Bote noire" sduisant car spectaculaire, mais risqu et parfois mal peru
(mfiance de la part des utilisateurs)...
Importance du travail prliminaire de prparation des donnes, notamment : choix des
variables pertinentes, normalisation, limination de donnes aberrantes, organisation
du protocole d'apprentissage et de validation...
L'chec des mthodes traditionnelles sur certains problmes de modlisation provient
souvent du manque d'informations contenues dans les donnes. Ce ne sont pas les
rseaux de neurones qui amlioreront les performances dans ce cas.

1.10. Avantages des rseaux de neurones

Quelques proprits spcifiques, la fois sur le plan de la mise en oeuvre informatique


et sur le plan des aptitudes.
Paralllisme : le principe et le potentiel sont clairement affichs. De nouveaux
formalismes et les bnfices en tirer restent tudier...
Capacit d'adaptation : apprentissage extrapolable et potentiel d'auto-organisation.
Mmoire distribue. : donnes "bruites", donnes "diffuses", informations plus
facilement "adressables".
Capacit de gnralisation : spectaculaire notamment en reconnaissance de "formes".
Simplicit de mise en oeuvre pour de nombreux problmes.
Aspect "Bote noire" risqu mais sduisant.

-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

En 1998, le programme machine EERA abrviation de : A Computer Program for


Equivalent-linear Earthquake site Response Analyses of Layered Soil Deposits a t
dvelopp au dpartement de Gnie Civil luniversit de California par (BARDET J. P et
al). crit en Fortran 90 partir des mmes concepts de base que SHAKE91. EERA
reprsente l'analyse linaire quivalente de la rponse sismique dun sol. Limplmentation
dEERA profite pleinement des oprations dynamiques des tableaux et des matrices trouves
dans Fortran 90. Les entres et les sorties dEERA sont entirement intgres dans lExcel.

2.2. Description de EERA

Le menu dEERA contient sept commandes sous forme dicnes (Figure2.1) :


1. Process Earthquake Data lecture et traitement du mouvement dentre
(entres/sorties sont sur la feuille nomme eathquake).
2. Calculate Compatible Strain lecture des proprits lastiques du profil et des
courbes des matriaux et lexcution du calcul des itrations (entres/sorties sont sur la
feuille de calcul Iteration)..
3. Calculate Output
Acceleration/Velocity/Displacement : calcul de lhistoire du temps de
lacclration, de la vitesse ou du dplacement sur le sommet de la couche
dsire (entres/sorties sont sur Acceleration).
Stress /Strain : calcul des contraintes et dformations sur le milieu de la
couche dsire (entres/sorties sont sur Strain).
Amplification : calcul de la fonction damplification entre deux couches
(entres/sorties sont sur Amplification).
Fourier Spectrum : calcul de lamplitude de Fourier en acclration sur le
sommet de la couche dsire (entres/sorties sont sur Fourier).
Response Spectrum : calcul des rponses spectrales: acclrations, vitesses,
emplacements, (entres/sorties sont sur spectra).

-128-
Annexes

All of the above : lexcution de toutes les taches prcdentes


4. Duplicate Worksheet : crations de nouvelles feuilles pour lajout dun nouveau
matriau et/ou dune nouvelle tache de calcul.
5. Delete Worksheet : suppression dune ou des feuilles de calcul (il ya des feuilles qui
ne peuvent pas tre supprimes) .
6. Remove EERA : dsinstallation du EERA.
7. About EERA : le numro de la version dEERA.

Figure.2.1. Le menu de EERA

2.3. Comparaison entre EERA et SHAKE91

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

Figure.2.3 Fonction damplification entre le substratum rocheux et la surface libre

Figure.2.4. Acclration spectrale la surface libre

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.

3.2. Le rseau japonais K-NET

A la suite du tremblement de terre de Kobe (17 janvier 1995), le gouvernement


japonais a pris la dcision de doter le pays dun rseau sismologique trs performant. Le
National Research Institute for Earth Science and Disaster Prevention (NIED) sest alors
charg de dployer 1000 stations sur le territoire japonais. Le rseau Kyoshin-Net a t
mis en place avec un souci dhomognit : les 1000 stations sismologiques forment un
rseau uniforme dont la maille est denviron 25 km. La diffusion rapide des donnes est aussi
une caractristique importante du rseau (les 209 enregistrements obtenus lors du sisme de
magnitude 5,7 survenu le 16 mars 1997 taient en libre accs sur le site internet http://www.k-
net.bosai.go.jp/k-net/index_en.shtml aprs seulement 3 heures).

Figure.3.1 : Rpartition des stations du rseau K-NET.

-131-
Annexes

Outre la rpartition gographique, la volont d'homognisation des concepteurs du rseau se


retrouve au niveau des stations. Le modle d'acclromtre "K-NET 95" a t conu
spcialement pour l'occasion, ses caractristiques sont dtailles par Kinoshita (1998). De
mme, la mise en place des appareils rpond plusieurs exigences (enregistrement du
mouvement en champ libre, donnes tlmtres), c'est en fait un vritable observatoire
sismologique qui a t conu.

Figure.3.2 Acclrogramme de K-NET

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

N-Value P,S-Velocity Density Soil Column


(m/s) (g/cm^3)
------------------------------------------------------------------
1m 9 510 140 1.75 0m - 0.80m Fl
2m 6 510 140 1.81 0.80m - 1.30m M
3m 6 510 140 1.70 1.30m - 7.00m S
4m 1 1540 140 1.80 7.00m - 7.90m SF
5m 5 1540 140 1.73 7.90m - 9.15m GF
6m 7 1540 140 1.74 9.15m - 13.80m M
7m 2 1540 140 1.81 13.80m - 15.20m SF
8m 17 1540 140 1.82 15.20m - 20.32m R
9m 17 1540 170 1.86
10m 4 1540 170 1.83
11m 11 1540 170 1.80
12m 14 1540 170 1.76
13m 2 1540 170 1.77
14m 99 1540 170 1.81
15m 99 1540 450 1.77
16m 99 1540 450 1.75
17m 99 1540 450 1.94
18m 99 1540 450 1.95
19m 99 1540 450 1.94
20m 99 1540 450 2.00

Figure.3.3: Profil de sol de la station AIC011 du rseau K-NET.


Depuis sa mise en place, le rseau K-NET a enregistr plus de 100 sismes de magnitude
suprieure 5, cela reprsente environ 6000 enregistrements trois composantes soit 18 000
acclrogrammes. Les fichiers correspondants sont disponibles au format ASCII, les
paramtres de source sont inclus dans lentte de chaque fichier de donnes.

Origin Time 2002/02/25 22:14


Lat. 36.4
Long. 140.8 Paramtre de source
Depth. (km) 80
Mag. 4.7
Station Code MYG002
Station Lat. 38.7233 Paramtre de station
Station Long. 141.5144
Station Height(m) 79
Record Time 2002/02/25 22:15:12
Sampling Freq(Hz) 100Hz
Duration Time(s) 119
Dir. E-W
Scale Factor 2000(gal)/8388608
Max. Acc. (gal) 5
Last Correction 2002/02/25 22:00:00
Memo. Temp.= 21 Deg.C.
-6536 -8253 -8802 -7973 -6737 -5808 -5727 -6658
-7174 -6884 -6342 -6524 -7114 -7023 -6595 -6549
-7167 -7676 -7215 -6146 -5444 -5898 -6977 -7338
-7144 -7810 -8055 -6948 -5056 -4057 -5210 -7366
-8720 -8428 -7518 -7017 -6875 -6438 -5813 -5659
-5928 -6690 -7453 -7555 -7051 -6160 -6168 -7010
-7492 -7204 -6586 -6531 -6605 -6353 -6163 -6253
-6917 -7797 -7474 -6380 -6334 -7328 -7512 -5752
-4894 -6495 -8133 -7751 -6747 -6571 -6420 -5729

Figure 3.4 : Exemple denregistrement.

-133-
Annexes

3.3. Le rseau japonais KiK-NET

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).

Figure.3.5 : Profil d'une station du rseau KIK-NET

-134-
Annexes

4 ANNEXE 4
PRESENTATION DE QUE
QUELQUE
LQUE
CLASSIFICATIONS DE S
SITES
ITES

Catgorie Dfinition de la classification des sites


Roche ou autre formation gologique caractrise par une vitesse moyenne
S1 (site rocheux) donde de cisaillement (VS ) 800m/s.

Dpts de sables et de graviers trs denses et/ou dargile surconsolide sur


S2 (site ferme) 10 20 m dpaisseur avec VS 400 m/s partir de 10 m de profondeur.

Dpts pais de sables et graviers moyennement denses ou dargile


S3 (site meuble) moyennement raide avec VS 200 m/s partir de 10 m de profondeur.

- Dpts de sables lches avec ou sans prsence de couches dargile molle


avec VS < 200 m/s dans les 20 premiers mtres.
S4 (site trs meuble) - Dpts dargile molle moyennement raide avec VS < 200 m/s dans les 20
premiers mtres.

Tableau.4.1. Classification des sites spcifi dans RPA99

-135-
Annexes

Tableau.4.2. classification des sites spcifie pour le nouveau code de btiment en USA.
(NEHRP 1994, UBC 1997)

Tableau4.3. Classification des sites spcifie dans EC8

Soil type F0 (Hz)


Rock 6.67
Hard 3.33
Medium 1.33
Soft 0.83

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

5.1. Description de SRISQ

La mission principale de SRISQ (figure.5.1) est destimer le niveau de risque li


leffet de site par lquation V.5.1.
Les donnes introduire dans le code de calcul sont :
1. Les donnes de site en question :
La vitesse de cisaillement sur trente mtres de profondeur Vs30 (m/s).
La frquence caractristique F0 (Hz).
Lpaisseur du profil H (m).
2. Lacclration maximale PGA(g) enregistre sur un site de rfrence: dans un substratum
rocheux ou sur un affleurement rocheux.
Aprs la validation des donnes, les rsultats sont affichs, il sagit de :
S1 : facteur damplification spectrale entre [0,0.5]sec
S2 : facteur damplification spectrale 1.0sec
Le niveau de risque : qui est class en trois catgories : haut risque, moyen risque et
faible risque.

5.2. Description de SKRISQ

SKRISQ (figure.5.2) est labor pour effectuer deux taches :

1. Gnration dun spectre de rponse en acclration la surface libre de la terre partir


de celui enregistr sur un site de rfrence (substratum rocheux ou affleurement de la
roche).
2. Estimation du risque li leffet de site (q. V.5.1) partir des deux facteurs
damplification spectrale S1 et S2.

-137-
Annexes

Le SKRISQ comporte les tapes de fonctionnement suivantes :


Phase I : Introduction des donnes (par lutilisateur)
1. Introduction du fichier de donnes dentre contenant les valeurs spectrales
dacclration et les priodes correspondantes. Ce fichier doit tre enregistr dans le
mme rpertoire que SKRISQ et sous le nom spectre.dat .
2. Indication du type de sol. (trs meuble A1, meuble B2, ferme, C3, ou rocheux D4).
3. Donner le nombre dintervalles N des priodes visualiser.
Phase II : Traitement des donnes et choix dun rseau de neurones (entre/sortie)
1. Choix dun groupe de base de donnes parmi les quatre (1,2,3 ou 4) correspondant au
type de sol indiqu par lutilisateur.
2. Le groupe tant choisi, le programme compare la valeur maximale de lacclration
spectrale Sar (donn par lutilisateur) et celles ( rsidant dans la base de donnes) et
fait appel au rseau de neurones caractris par une valeur maximale proche de celle
de Sar.
Phase IV : extrapolation et affichage des rsultats
1. Le traage du spectre de rponse dacclration estim par le modle neuronal et le
calcul de S1 et S2 qui donnent le niveau de risque probable.

Figure.5.1. Prsentation de linterface de SRISQ

-138-
Annexes

Figure.5.2. Prsentation de linterface SKRISQ.

-139-