Accueil > Résultats de la recherche > Suite de la publication

Cartographie Géotechnique par Deep Learning Approche par Réseaux de Neurones Artificiels

En géotechnique, les ingénieurs utilisent plusieurs systèmes de classification des géomatériaux en affectant à chaque catégorie par similitude de leurs propriétés physiques et/ou mécaniques un code. Pour réaliser la classification de chaque système, ils recourent souvent à la méthode algorithmique qui consiste à comparer chaque paramètre aux seuils fixés. Cette méthode est envisageable quand des données à traiter ne sont pas massives. L’objectif principal est de proposer une nouvelle méthode de classification des géomatériaux applicable à tous le cas des figures. La méthodologie adoptée est celle de l’intelligence artificielle ; l’approche par « deep learning » qui est la plus adaptée dans des problèmes de classification. Pour implémenter le modèle neuronal, l’architecture du perceptron multicouche a été retenue . Elle nécessite la connaissance des données d’entrée (inputs) et celles de sorties (outputs) avec ou sans couches cachées. En comparant les résultats obtenus à l’aide de l’approche algorithmique et ceux de la méthode neuronale, plusieurs points communs sont identifiés (à 86%). La méthode par réseau de neurones a permis de discriminer certaines classes passées inaperçues avec la classification algorithmique. Cette méthode conduit à des résultats très interessants aussi en se basant seulement sur des photographies numériques prises lors d’une campagne géotechnique. Dans ce dernier cas, les données d’entrée sont constituées des pixels.


Auteur(s) : Kasongo wa Mutombo Portance, Kavula Ngoy Elysée, Libasse Sow, Lunda Ilunga Jean Marie
Pages : 233-251
Année de publication : 2019
Revue : European Scientific Journal
N° de volume : 15 (12)
Type : Article
Mise en ligne par : SOW Libasse