Biomimétisme pour l’inversion et l’optimisation en géophysique

Abstract

Le biomimétisme consiste à s'inspirer, ou imiter, la nature, que ce soit de colonies structurées (ex. abeilles, fourmis) ou individuelle (ex. gecko, Martin pêcheur), afin de répondre à des problèmes scientifiques et d’ingénierie de manière durable. Il peut se résumer en trois principes : complémentarité, coopération et adaptation. Parmi ces multiples applications, l’optimisation, est la plus intéressante en géophysique. Cette thèse explore l'application d'une technique bio-inspirée, l'algorithme d'optimisation par colonies de fourmis (ACO), pour résoudre des problèmes inverses en géophysique, en se concentrant sur l'inversion des données de sondages électriques verticaux (SEV). Les problèmes inverses en géophysique sont souvent mal posés, non linéaires et soumis à des incertitudes liées aux données bruitées. Inspiré du comportement des fourmis dans la recherche de nourriture, l'ACO offre un cadre robuste pour explorer de vastes espaces de solutions tout en évitant les minimas locaux. Cette étude évalue l'efficacité de l'ACO à travers des simulations sur des données synthétiques et son application à des données réelles provenant de la région de Hassi R'Mel en Algérie. Les résultats montrent que l'ACO surpasse les méthodes traditionnelles comme les algorithmes génétiques (AG) et le recuit simulé (RS) en termes de précision, de stabilité et de résistance au bruit. Les applications pratiques de cette approche incluent la caractérisation des aquifères et l'identification de structures géologiques favorables à l'exploitation des eaux souterraines. Les recherches futures incluent l'extension de l'ACO à d'autres méthodes géophysiques et l'amélioration de son efficacité computationnelle.