Modèle de mouvements du sol basé sur XGBoost pour spectres de réponses en accélération inélastiques à résistance constante

Pourquoi les secousses importent pour les bâtiments réels

Les séismes laissent rarement les bâtiments parfaitement élastiques : les murs se fissurent, les poutres s’écroulent par fluage plastique et les structures se déforment plus que ne le laissent supposer les plans. Pourtant, la plupart des outils utilisés par les ingénieurs pour estimer les secousses supposent encore un comportement élastique. Cette étude présente une méthode fondée sur les données pour prédire à quel niveau des bâtiments réels, légèrement endommagés, sont susceptibles de vibrer lors de futurs séismes, ce qui aide à améliorer la conception parasismique, les contrôles de sécurité et les estimations de risque pour les villes.

Des courbes de secousse simplistes au comportement réel

Traditionnellement, les ingénieurs parasismiques s’appuient sur des modèles de mouvement du sol qui convertissent des informations de base sur un séisme et un site en mesures de secousse comme l’accélération maximale. Ces modèles alimentent les spectres de réponse, des courbes qui montrent combien un bâtiment parfaitement élastique vibrerait selon différentes périodes propres. Cependant, lors de séismes modérés à forts, la plupart des bâtiments dépassent cette plage élastique. Leurs réponses réelles peuvent diverger fortement des prédictions élastiques, ce qui complique l’évaluation des dommages, la planification de renforcements ou l’établissement de règles de conception réalistes en se basant uniquement sur des spectres élastiques.

Une vision plus complète des secousses pour les bâtiments plastifiés

Pour combler cette lacune, les auteurs se concentrent sur les spectres de réponse en accélération inélastiques, qui décrivent combien un bâtiment à résistance limitée accélère réellement lorsqu’il atteint le rupteur. Ils ciblent une version appelée accélération spectrale inélastique à résistance constante, qui fixe un facteur de réduction de résistance pour représenter l’amplitude de la déformation inélastique. En utilisant plus de quinze mille enregistrements de mouvements du sol issus de 171 séismes dans une grande base de données internationale, ils simulent la réponse de nombreux systèmes idéalisés à un degré de liberté imitant le comportement du béton armé. Ces bâtiments virtuels couvrent une large gamme de périodes de vibration, de types de site, de distances à la faille, de magnitudes et de niveaux de résistance inélastique.

Apprendre aux modèles à tirer des leçons des séismes

Le cœur du travail est une méthode d’apprentissage automatique appelée XGBoost, qui combine de nombreux arbres de décision simples en un prédicteur puissant. Plutôt que de contraindre les données à suivre une formule mathématique fixe, le modèle apprend des relations complexes entre la taille du séisme, la distance, les conditions de sol, la période du bâtiment et la résistance inélastique. Les auteurs intègrent aussi le modèle dans un cadre à effets mixtes qui sépare les différences entre séismes de celles à l’intérieur d’un même événement, reproduisant la façon dont les modèles sismiques traditionnels traitent la variabilité. Ils utilisent des outils modernes d’interprétation des modèles—dont l’importance par permutation et les valeurs SHAP—pour identifier les entrées les plus influentes et comprendre comment elles poussent les prédictions à la hausse ou à la baisse.

Ce qui contrôle les secousses dans cette nouvelle perspective

Les deux outils d’interprétabilité dressent un tableau cohérent : la magnitude du séisme, la période du bâtiment et la distance à la faille dominent la secousse prédite, tandis que le facteur de résistance inélastique et la vitesse des ondes de cisaillement en surface jouent des rôles secondaires mais significatifs. Les séismes plus forts et les sites proches de la source entraînent des accélérations inélastiques plus élevées, tandis que les bâtiments à plus longue période et les sols plus mous présentent les variations de réponse attendues. Le modèle atteint une grande précision sur des données non vues, expliquant plus de 92 % de la variance des accélérations inélastiques simulées, et ses résidus montrent peu de biais systématique selon la magnitude, la distance ou les conditions de site.

Raccordement aux outils de conception familiers

Pour vérifier le réalisme physique, les auteurs comparent leurs prédictions par apprentissage automatique, dans le cas particulier où le bâtiment reste élastique, à une équation de mouvement du sol traditionnelle largement utilisée. Les formes et tendances des courbes concordent étroitement, en particulier pour les périodes de conception typiques, tandis que la nouvelle approche s’étend naturellement dans la plage inélastique que le modèle ancien ne couvre pas. Cela signifie que les ingénieurs peuvent utiliser le nouveau modèle pour construire des courbes d’aléa et des spectres reflétant directement le comportement non linéaire des bâtiments, plutôt que d’ajuster les résultats élastiques avec des facteurs de correction approximatifs.

Comment cela contribue à des villes plus sûres

En termes simples, l’étude montre que l’apprentissage automatique peut fournir des prédictions précises et transparentes de l’intensité de vibration des bâtiments réels, légèrement endommagés, lors de futurs séismes, en s’appuyant sur des informations sur le séisme, le site et le bâtiment lui‑même. En travaillant directement avec des mesures de réponse inélastique et en identifiant clairement les facteurs les plus décisifs, le modèle offre une base plus réaliste pour la conception basée sur la performance, l’élaboration des codes et l’évaluation rapide des risques, tout en restant cohérent avec les outils de conception élastiques familiers.

Citation: Gong, Y., Zhao, J. XGBoost-based ground motion model for constant-strength inelastic acceleration response spectra. Sci Rep 16, 15653 (2026). https://doi.org/10.1038/s41598-026-46656-x

Mots-clés: génie parasismique, modèles de mouvement du sol, apprentissage automatique, spectres de réponse inélastiques, conception parasismique