Laboratoire de mécanique des sols (LMS)
GCB (Ecublens) CH- 1015 LAUSANNE
☎ : 021 - 693 23 15 TÉLÉFAX: 021 - 693 41 53
http://lmswww.epfl.ch/lms_f.html; e-mail: lms@dgc.epfl.ch
Prédiction des mouvements de pentes
à l'aide de réseaux de neurones
Avec l'accroissement de l'urbanisation et le
manque de surfaces disponibles pour la cons-
truction, la prŽdiction des mouvements de pentes
est devenue d'une grande importance car elle
permet l'utilisation de terrains jusque lˆ peu sžrs
parce qu'instables.
La plupart des approches rencontrŽes aujourd'hui
dans l'Žtude des ces phŽnom•nes se basent sur des
mod•les mŽcaniques simulant l'Žcoulement de la
masse de sol selon diverses lois de comportement.
D'autres approches utilisent des mŽthodes
statistiques d'optimisation et d'approximation de
sŽries. L'utilisation de rŽseaux de neurones se
rapporte aux approches statistiques.
Le but de cette recherche est de dŽtecter les
changements de vitesse de la masse en mouvement
ˆ l'aide de donnŽes climatologiques et physiques
telles que les pluies, les dŽbits et les pressions
interstitielles. Le rŽseau fonctionne comme une
alarme et constitue un outil d'aide ˆ la dŽcision
pour les personnes chargŽes de la surveillance du
glissement. Il nŽcessite des entrŽes de bonne
qualitŽ, c'est pourquoi ce projet s'inscrit dans un
contexte plus large d'Žquipement des terrains
instables par des appareils de mesures
automatiques.
entrées couche
cachée
sommes
de pluies
événements
pluvieux
décalés
pressions
interstitielles
vitesses
Fig. 1 : RŽseau et entrŽes
É C OL E PO L Y T EC H NI QUE
FÉ DÉR AL E DE LA USANNE
2.5
2 ____ calculé
vitesse de glissement [10−4 rad/j]
_._._ mesuré
1.5
1
0.5
0
−0.5
0 20 40 60 80 100 120
vecteurs d’entrées [jour]
Fig. 2 : Comparaison sortie calculŽe/sortie mesurŽe
pour lÕensemble de test. PrŽvision ˆ 3 jours. Glissement
de Sall•des (France).
Le type de rŽseau choisi est un Perceptron ˆ deux
couches avec rŽtropropagation de l'erreur. Une
architecture typique des syst•mes utilisŽs dans
cette Žtude ainsi quÕune reprŽsentation symbolique
de ses entrŽes est donnŽe ˆ la figure 1. Les
donnŽes sont fournies par deux sites suivis en
continu : La Chenaula (CH) et Sall•des, pr•s de
sortie Clermont-Ferrand (F).
Le mod•le permet dÕestimer la vitesse de glis-
sement ˆ 3 jours, sur la base de deux rŽseaux en
cascade : LÕun estime les pressions interstitielles ˆ
lÕaide de valeurs de pluies et lÕautre prŽdit la
vitesse sur la base de ces estimations de pressions.
La figure 2 montre, sur lÕensemble de test, une
comparaison de ces prŽdictions avec les valeurs
mesurŽes (35 % de lÕensemble total des donnŽes).
Une attention particuli•re est portŽe au choix des
entrŽes essentielles et une procŽdure statistique
originale est dŽveloppŽe pour cette t‰che.
vitesse Cette recherche est financŽe par lÕoffice fŽdŽral
des routes. Elle est conduite avec le groupe
MANTRA de lÕEPFL.
Publications
F. Mayoraz, T. Cornu, L. Vulliet. 1996. Using
neural networks to predict slope movements.
Proc. 7th Int. Symp. on Landslides, Trondheim,
295-300.
F. Mayoraz, T. Cornu, D. Djukic, L. Vulliet. 1997.
Neural Networks : A tool for the prediction of
slope Movements. Proc. 14th ICSMFE,
Hamburg, 703-706
FM /DŽcembre 1995