Les géologues utilisent l'intelligence artificielle pour améliorer la prédiction des glissements de terrain

Des géologues de l'UCLA ont développé une technique révolutionnaire qui utilise l'intelligence artificielle (IA) pour améliorer la prédiction des glissements de terrain. Cette méthode innovante, décrite dans un article publié dans Communications Earth & Environment, offre une précision et une interprétabilité améliorées par rapport aux modèles prédictifs traditionnels. En exploitant la puissance de l'IA, les géologues visent à protéger les vies et les propriétés dans les régions sujettes aux catastrophes naturelles, comme la Californie, où la convergence de sécheresses, d'incendies de forêt et de tremblements de terre augmente le risque de glissements de terrain dévastateurs.

Prédire la survenance de glissements de terrain est une tâche complexe influencée par de multiples facteurs, y compris la forme du terrain, la pente, les zones de drainage, les propriétés du sol et de la roche mère, ainsi que les conditions environnementales telles que le climat, les précipitations, l'hydrologie et les mouvements du sol résultant de tremblements de terre. Les géologues intègrent traditionnellement ces facteurs dans des modèles physiques et statistiques pour estimer les risques de glissements de terrain. Bien que ces modèles puissent fournir des prédictions raisonnablement précises, les modèles physiques nécessitent beaucoup de temps et de ressources et ne conviennent pas à une application à grande échelle. D'autre part, les modèles statistiques manquent de transparence concernant l'évaluation des facteurs de risque.

Exploiter l'IA pour la prédiction des glissements de terrain

Depuis des années, les chercheurs entraînent des modèles d'apprentissage automatique par IA, en particulier des réseaux neuronaux profonds (DNN), à prédire les glissements de terrain. Ces réseaux interconnectés d'algorithmes excellent dans le traitement de vastes quantités de données et leur apprentissage rapide, ce qui se traduit par des prédictions très précises. Cependant, les DNN présentent des limites lorsqu'il s'agit d'expliquer leurs prédictions et d'identifier les variables spécifiques qui contribuent aux occurrences de glissements de terrain.

Pour remédier aux limites des DNN, des chercheurs de l'UCLA ont développé une méthode utilisant un type d'IA appelé réseau neuronal superposable (SNN). Contrairement aux DNN, les SNN séparent les résultats provenant de différentes entrées de données, permettant une analyse plus utile des facteurs contributifs les plus importants aux catastrophes naturelles. L'équipe de recherche a alimenté le SNN avec des données sur diverses variables géospatiales et climatiques pertinentes pour les montagnes de l'Himalaya oriental, une région connue pour sa forte fréquence de glissements de terrain. Le modèle SNN a démontré une précision comparable à celle des DNN dans la prédiction de la susceptibilité aux glissements de terrain, tout en fournissant des informations sur les variables jouant un rôle significatif dans les résultats.

Déchiffrer les variables et réduire les ressources informatiques

La capacité du modèle SNN à identifier les variables clés et à quantifier leur contribution à la susceptibilité aux glissements de terrain offre des informations précieuses aux géologues. De plus, cette approche nécessite moins de ressources informatiques que les DNN, ce qui la rend efficace et adaptable même avec une puissance de calcul limitée. Les chercheurs ont souligné que leur modèle SNN pouvait fonctionner sur des appareils aussi petits qu'une Apple Watch, éliminant ainsi le besoin de serveurs informatiques puissants.

Applications futures et systèmes d'alerte précoce

L'équipe de recherche de l'UCLA prévoit d'étendre son travail à d'autres régions du monde sujettes aux glissements de terrain. Particulièrement dans des zones comme la Californie, où la combinaison d'incendies de forêt fréquents et de tremblements de terre exacerbe les risques de glissements de terrain, le nouveau modèle de prédiction par IA pourrait aider au développement de systèmes d'alerte précoce. Ces systèmes intégreraient plusieurs signaux et prédiraient une gamme de dangers de surface, y compris les inondations, afin d'améliorer la préparation et les efforts de réponse.

Les géologues de l'UCLA ont réussi à utiliser la technologie IA pour révolutionner la prédiction des glissements de terrain. Leur méthode, utilisant des réseaux neuronaux superposables, offre une précision et une interprétabilité améliorées par rapport aux modèles traditionnels. En identifiant les variables clés et en quantifiant leurs contributions, cette approche IA permet aux géologues de mieux comprendre les facteurs influençant les glissements de terrain. Avec la capacité de fonctionner sur des appareils ayant une puissance de calcul limitée, ce modèle a le potentiel d'améliorer les systèmes d'alerte précoce et de protéger les vies et les biens dans les régions sujettes aux glissements de terrain à l'échelle mondiale.