⚡ electrical engineering

Improving Deep Learning-Based Seismic Phase Picking by Addressing Label Imbalance

Pour remédier à la dégradation des performances de la détection de phases sismiques basée sur l'apprentissage profond causée par le déséquilibre des étiquettes, cet article propose une fonction de perte d'entropie croisée douce pondérée par l'aire qui améliore la sensibilité du modèle et la récupération des événements lors de l'analyse de formes d'ondes continues sans modifier l'architecture du réseau sous-jacent.

Auteurs originaux : Shinya Katoh, Masaaki Imaizumi, Yoshihisa Iio, Hiromichi Nagao

Publié 2026-07-31

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Shinya Katoh, Masaaki Imaizumi, Yoshihisa Iio, Hiromichi Nagao

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le langage secret de la Terre et les notes manquantes

Imaginez que la Terre est un tambour géant et agité. Lorsqu'elle bouge, se fissure ou s'installe, elle envoie des ondulations — des ondes sismiques — qui voyagent à travers le sol comme le son à travers l'air. Les sismologues sont les auditeurs qui tentent d'entendre ces ondulations pour comprendre ce qui se passe profondément sous terre. Pendant des décennies, leur travail consistait à essayer de déceler un murmure spécifique dans une pièce bondée et bruyante. Ils devaient fixer des lignes sinueuses sur un écran, repérant manuellement le moment exact où une « onde P » (la première arrivée, rapide) ou une « onde S » (l'arrivée plus lente et vibrante) apparaissait. C'était un travail lent et épuisant, et avec les capteurs modernes enregistrant la Terre 24h/24 et 7j/7, il y avait tout simplement trop de données pour l'œil humain.

Entrez en scène le deep learning (apprentissage profond), un type de cerveau informatique capable d'apprendre à repérer des motifs plus rapidement que n'importe quel humain. Ces détectives numériques sont devenus incroyablement doués pour lire le rythme du tambour de la Terre, trouvant des séismes que les humains pourraient manquer. Mais il y a un piège : quand la Terre devient vraiment agitée — comme lors d'un séisme massif suivi de centaines de répliques plus petites — le « bruit » de l'événement majeur étouffe les minuscules murmures des petits événements. L'ordinateur s'embrouille, manquant souvent les signaux plus faibles car il a été entraîné à prêter plus d'attention au silence entre les grondements qu'aux grondements eux-mêmes. Ce document pose une question simple : peut-on apprendre à l'ordinateur à écouter plus attentivement les parties calmes sans modifier l'ordinateur lui-même ?

Accorder l'oreille : Une nouvelle façon d'enseigner à l'ordinateur

Les chercheurs derrière cette étude, dirigés par Shinya Katoh et son équipe de l'Université de Tokyo et de l'Université de Kyoto, ont réalisé que le problème ne venait pas du « cerveau » de l'ordinateur (son architecture), mais de la façon dont ils l'enseignaient. Ils ont comparé le processus d'entraînement à un enseignant corrigeant les devoirs d'un élève.

Dans la méthode standard d'entraînement de ces modèles, l'ordinateur examine un bloc de 30 secondes de données sismiques. Dans ce bloc, le « fond » (les parties calmes et ennuyeuses où rien ne se passe) occupe environ 98 % du temps. Les signaux sismiques réels (les ondes P et S) sont de minuscules pics nets qui n'occupent peut-être que 1 % chacun. Lorsque l'ordinateur essaie d'apprendre, il reçoit une « note » basée sur sa capacité à prédire l'ensemble des 30 secondes. Comme le fond est si vaste, l'ordinateur apprend que le moyen le plus facile d'obtenir une bonne note est de simplement prédire « fond » tout le temps. Il devient paresseux, ignorant les minuscules et importants pics parce qu'ils ne comptent pas beaucoup dans sa note globale. C'est comme un élève qui n'étudie que les chapitres ennuyeux d'un manuel parce que l'examen porte principalement sur ces chapitres, et qui rate complètement les rebondissements passionnants et cruciaux.

Pour corriger cela, l'équipe a inventé un nouveau « système de notation » appelé perte d'entropie croisée douce pondérée par l'aire (area-weighted soft cross-entropy loss). Au lieu de traiter chaque seconde de l'enregistrement de manière égale, cette nouvelle méthode accorde un bonus massif à l'ordinateur s'il identifie correctement les minuscules pics importants. C'est comme dire à l'élève : « Si tu réussis la partie ennuyeuse du fond, tu gagnes un point. Mais si tu repères le minuscule onde P ou onde S, tu gagnes cent points ! » Cela force l'ordinateur à prêter une attention intense aux temps d'arrivée des ondes, même si elles sont rares.

Ce qu'ils ont découvert : Capturer plus de murmures

L'équipe a testé ce nouveau « système de notation » sur deux modèles de détection de séismes populaires, SegPhase et PhaseNet. Ils n'ont pas changé les cerveaux des modèles ; ils ont simplement changé les règles du jeu.

Les résultats montrent un changement de comportement clair. Les modèles entraînés avec les nouvelles règles pondérées sont devenus beaucoup plus sensibles.

Précision temporelle : Lorsque les modèles prédisaient un temps d'arrivée, ils étaient beaucoup plus précis. La « dispersion » ou l'étalement de leurs erreurs a chuté de manière significative. Pour le modèle SegPhase, la dispersion de l'erreur pour les ondes P est passée de 0,20 seconde à 0,07 seconde, et pour les ondes S, elle est passée de 0,27 seconde à 0,05 seconde.
Le compromis : Cependant, être plus sensible avait un coût. Les modèles ont commencé à « voir » des choses qui n'étaient pas tout à fait là. Ils sont devenus meilleurs pour capturer les vrais séismes (rappel ou recall plus élevé), mais ils ont aussi commencé à signaler certains bruits comme étant des séismes (précision plus faible). C'est comme un détecteur de métaux si sensible qu'il bipe pour une canette de soda autant que pour une pièce d'or. Les chercheurs ont constaté que les modèles étaient devenus « orientés vers le rappel », ce qui signifie qu'ils étaient moins susceptibles de manquer un événement réel, même si cela impliquait de devoir vérifier quelques fausses alertes plus tard.

Le test en conditions réelles : Le séisme de Ridgecrest

Pour voir si cela fonctionnait réellement dans le monde réel, l'équipe a appliqué ses nouveaux modèles aux données continues de la séquence de séismes de Ridgecrest en 2019 en Californie. Il s'agissait d'un événement massif avec une secousse principale et des milliers de répliques.

Les résultats sont impressionnants. Les modèles utilisant la perte pondérée ont détecté nettement plus de séismes que les modèles originaux :

SegPhase a trouvé 34 008 séismes avec la nouvelle méthode, contre 26 914 avec l'ancienne méthode.
PhaseNet a trouvé 32 997 séismes avec la nouvelle méthode, contre 23 622 avec l'ancienne méthode.

Ces chiffres dépassent même les décomptes de deux catalogues existants créés par d'autres experts utilisant des méthodes différentes. Les nouveaux modèles ont réussi à cartographier les mêmes zones sismiques que les experts, mais ont trouvé beaucoup plus d'événements mineurs entre les deux. Cela suggère qu'en rendant les modèles moins réticents à manquer un signal, ils peuvent aider les scientifiques à construire une image beaucoup plus complète de l'activité sismique.

Les limites : Quand le bruit est trop fort

Mais l'histoire ne s'arrête pas sur une solution parfaite. Les chercheurs ont été honnêtes quant aux limites. Ils ont constaté que, bien que la nouvelle méthode soit excellente pour trouver de petits séismes au milieu d'une séquence, elle éprouvait toujours des difficultés immédiatement après les séismes les plus importants et les plus bruyants.

Juste après un séisme majeur, le sol continue de vibrer pendant longtemps avec des « ondes de coda » — un grondement chaotique et à haute énergie qui étouffe les signaux minuscules du petit séisme suivant. Même avec les nouveaux « points bonus » pour repérer les signaux, l'ordinateur ne pouvait pas entendre les minuscules murmures parce que le rugissement du grand séisme était tout simplement trop fort et trop désordonné. Le document suggère que si changer les règles d'entraînement aide, cela ne peut pas résoudre le problème de signaux qui sont physiquement enfouis les uns sous les autres.

À retenir

Ce document montre qu'il n'est pas toujours nécessaire de construire un cerveau informatique plus grand ou plus complexe pour résoudre un problème. Parfois, il suffit de changer la façon dont on l'enseigne. En repondérant l'importance des moments minuscules et cruciaux dans les données, les chercheurs ont rendu les modèles existants bien plus performants pour détecter les séismes, en particulier les petits événements qui sont faciles à manquer. C'est un rappel que dans le monde bruyant et chaotique de la science des séismes, la meilleure façon d'entendre le futur est parfois d'écouter un peu plus attentivement les parties calmes du passé.

Résumé technique : Amélioration de la détection des phases sismiques par apprentissage profond en traitant le déséquilibre des étiquettes

Énoncé du problème
La détection de phases basée sur l'apprentissage profond a considérablement amélioré l'efficacité de l'analyse des formes d'ondes sismiques, atteignant une précision comparable à celle des experts humains. Cependant, une limitation critique persiste : les performances de détection se dégradent lorsque plusieurs phases sismiques surviennent au sein d'une seule trace de forme d'onde, un scénario courant lors de séquences sismiques intenses comme les répliques. Les auteurs émettent l'hypothèse que cette dégradation provient d'un déséquilibre des étiquettes (label imbalance) inhérent à la détection de phases basée sur la segmentation sémantique. Dans les formulations standards, les étiquettes cibles pour les phases P et S sont représentées par de étroites distributions gaussiennes (occupant environ 1 % de la fenêtre temporelle chacune), tandis que l'étiquette de fond (N) occupe la grande majorité (~98 %). Sous une perte d'entropie croisée standard, l'objectif d'entraînement est dominé par la classe de fond, ce qui rend le modèle trop conservateur et lui fait manquer des arrivées de phases faibles ou chevauchantes.

Méthodologie
Pour remédier à ce déséquilibre sans modifier l'architecture sous-jacente du modèle, les auteurs proposent une perte d'entropie croisée douce pondérée par l'aire (WCE - area-weighted soft cross-entropy loss).

Construction des étiquettes : Les étiquettes cibles sont construites à l'aide de fonctions gaussiennes centrées sur les temps d'arrivée relevés manuellement ( $\mu$ ) avec un écart-type de $\sigma = 0,1$ s. L'étiquette de fond est définie comme le complément pour garantir que la somme des probabilités de classe soit égale à un à chaque instant.
Schéma de pondération : La fonction de perte proposée calcule l'aire temporelle ( $A_c$ ) de chaque étiquette de classe pour une forme d'onde donnée. Les coefficients de pondération ( $\alpha_P, \alpha_S$ ) sont dérivés du rapport entre l'aire de fond et les aires de phase. Ces coefficients sont utilisés pour définir un poids dépendant du temps $w(b,t)$ qui accentue les échantillons proches des arrivées de phases P et S (où l'étiquette gaussienne est élevée) et réduit le poids des échantillons de fond.
Formulation de la perte : La perte finale est une moyenne pondérée de l'entropie croisée douce sur le temps, normalisée par la somme des poids pour chaque trace afin de stabiliser l'entraînement.
Modèles évalués : La méthode a été testée sur deux architectures établies : SegPhase et PhaseNet.
Configuration expérimentale : Les modèles ont été entraînés sur des données sismiques japonaises. L'évaluation comprenait :
1. Jeu de données de test : Analyse des résidus de temps d'arrivée et des métriques dépendantes du seuil (Précision, Rappel, F1).
2. Application continue : Application à des formes d'ondes continues de la séquence de séisme de Ridgecrest (4–9 juillet 2019) à l'aide de 36 stations. L'association des phases a été réalisée avec REAL, et les hypocentres ont été déterminés à l'aide de Hypomh. Les résultats ont été comparés aux modèles à perte originale et aux catalogues existants.

Résultats clés

Réduction des résidus : La fonction de perte pondérée a considérablement réduit la dispersion des résidus de temps d'arrivée. Pour SegPhase, l'écart-type des résidus de l'onde P est passé de 0,20 s à 0,07 s, et celui des ondes S de 0,27 s à 0,05 s. Des améliorations similaires ont été observées pour PhaseNet. Les résidus moyens sont restés à 0,00 s, indiquant l'absence de biais systématique.
Compromis Précision-Rappel : La perte pondérée a déplacé le comportement du modèle vers un régime orienté vers le rappel. Bien que la précision ait légèrement diminué en raison d'une augmentation des faux positifs (FP), le rappel s'est considérablement amélioré grâce à la réduction des faux négatifs (FN). Les modèles sont devenus moins conservateurs, générant des pics de probabilité pour des arrivées plus faibles ou partiellement chevauchantes que les modèles à perte originale avaient manquées.
Récupération des événements à Ridgecrest : Appliqués à la séquence de Ridgecrest, les modèles à perte pondérée ont détecté nettement plus de séismes que les modèles à perte originale et ont dépassé le nombre d'événements des catalogues de référence basés sur le filtrage par empreinte (template matching).
- SegPhase : 34 008 événements (Pondéré) contre 2 6914 (Original).
- PhaseNet : 32 997 événements (Pondéré) contre 23 622 (Original).
  La distribution spatiale des événements détectés a reproduit correctement les zones de répliques connues, et l'évolution temporelle correspondait aux caractéristiques de la séquence.
Limites : L'amélioration n'a pas été uniforme. Bien que la perte pondérée ait amélioré la détection de petits séismes successifs (M ~1–2), elle n'a pas pleinement résolu la détection de petits événements suivant immédiatement les plus gros séismes (Mw 7,1). Durant ces périodes, les amorces de phase étaient probablement masquées par des ondes de coda de haute amplitude et de longue durée, une limitation physique de la séparabilité du signal que la repondération de la perte seule ne peut surmonter.

Signification et affirmations
L'article affirme que la conception de la fonction de perte est une approche efficace et indépendante de l'architecture pour améliorer la sensibilité de la détection des phases par apprentissage profond. En redistribuant l'objectif d'entraînement du fond dominant vers les zones étroites d'arrivée de phase, la méthode proposée :

Améliore la cohérence temporelle des sélections prédites.
Réduit les arrivées manquées (faux négatifs), ce qui est crucial pour l'association d'événements en aval lors de la surveillance continue.
Améliore la récupération des événements dans des séquences sismiques denses, même lorsqu'elle est appliquée à des données provenant de régions (Californie) différentes de celles de l'entraînement (Japon).

Les auteurs concluent que, bien que la méthode ne résolve pas le défi fondamental du chevauchement des signaux dans les environnements de coda forte, elle apporte une amélioration significative de la sensibilité qui facilite la détection de plus de séismes lors de l'analyse continue des formes d'ondes. L'augmentation de la sensibilité nécessite un seuillage de probabilité approprié et des contraintes d'association pour gérer l'augmentation des faux positifs qui en résulte.