Contrôle qualité et étude du traitement sismique par apprentissage statistique : développement d'un outil industriel autonome

Le traitement de données sismiques permet de convertir des enregistrements bruts effectués sur le terrain prospecté en images des structures géologiques et retrouver certaines propriétés physiques du sous-sol. Les études sismiques actuelles peuvent s’étendre sur plusieurs mois et générer plusieurs téraoctets d’information par jour. La taille considérable de ces jeux de données rend leur analyse et leur traitement de plus en plus complexes et coûteux. En particulier,la quantité d’images produites est telle qu’une vérification visuelle systématique de la cohérence des résultats par le géophysicien (phase dite de contrôle qualité) est impossible. Traiter et réaliser le contrôle qualité des données nécessitent une grande expertise en sismique. Les travaux présentés dans cette thèse portent sur l’utilisation des méthodes issues de l’apprentissage statistique pour réaliser le traitement des données et fournir une aide à la prise de décision aux géophysiciens pour contrôle qualité des données. Différents états de l’art sur les méthodes disponibles pour réaliser ces traitements et le contrôle qualité des données sismiques sont réalisés. Les approches proposées se fondent dans un premier temps sur celles utilisées par les géophysiciens, couplées avec de l’apprentissage statistique. Par la suite, de nouvelles approches utilisant des méthodes d’apprentissage profond sont proposées pour le traitement et le contrôle qua-lité, dans un contexte où peu de données étiquetées pour la réalisation d’apprentissage supervisé est disponible. Aussiune méthode basée sur l’apprentissage semi-supervisé est proposée pour le contrôle qualité des données. Pour tirer aumieux parti de l’étiquetage des géophysiciens, une approche originale d’apprentissage actif a également été développée