Vers une évaluation intelligente de la vulnérabilité des constructions

Abstract

Le présent travail consiste à étudier l'efficacité des Réseaux Neurones Artificiels (RNAs) pour une évaluation rapide des dommages structurels après un tremblement de terre. Deux groupes de paramètres sont pris en considération : le groupe de composants structurels (infrastructure, élément vertical, contreventement, toiture et dalles), le groupe de composants secondaires (éléments non structuraux : escaliers, remplissages extérieurs, composants tels que balcons, cheminées etc). L’analyse des paramètres du réseau neuronal (RNAs) adéquate, c'est-à-dire le nombre de couches cachées et les neurones ainsi que les fonctions d'activation, donne la meilleure combinaison des dommages des composants qui gouverne le dommage global d'un bâtiment. Un ensemble de 3614 bâtiments endommagés est extrait d'une base de données récoltée au cours d'un sondage post-séisme par des techniciens qualifiés (séisme de Boumerdès, Algérie : Mw = 6,8 ; tremblement de terre du 21 mai 2003). La comparaison entre les dommages prédits et observés montre que la meilleure architecture du réseau de neurones correspond à une couche cachée avec un nombre de neurones égal au nombre de composants de construction (c.-à-d. 4 ou 8 composants), et la fonction «tangente hyperbolique» comme fonction d'activation. Pour la base de données collectée, les prévisions du (RNAs) et les dommages globaux observés sont conformes à : 70% lorsque le dommage global des bâtiments est supposé être influencé uniquement par le groupe d'éléments secondaires (non structurels), 80% pour les bâtiments lorsque les dommages globaux sont supposés être influencés uniquement par le groupe structurel, et 87% lorsque les dommages globaux des bâtiments sont supposés être influencés par les deux groupes de composants de construction, c'est-à-dire les composants structurels et secondaires.