Choix d’une méthode de classification pour la partition d’un massif rocheux à partir de TRE

Choice of a clustering method for the partition of a massif based on ERT

Université de Bordeaux, CNRS, Arts et Métiers Institute of Technology, Bordeaux INP, INRAE, I2M Bordeaux, 351 cours de la Libération F-33405 Talence, France

^* Habiba LHARTI: habiba.lharti@u-bordeaux.fr

Résumé

Les algorithmes de classification permettent de gérer de grandes quantités de données. L'objectif de cette étude est de comparer deux méthodes de classification, la Classification hiérarchique Ascendante (CHA) et la méthode des Centres Mobiles (CM) sur des données de Tomographie de Résistivité Electrique (TRE) caractérisant le massif entourant la grotte de Lascaux. Le rendu de ces méthodes est analysé en tenant compte de la connaissance a priori de la géologie du site. Dans ce projet, la structuration des données en 2 à 5 classes vise à subdiviser le massif en domaines les plus homogènes possible afin de leur affecter des propriétés thermiques différentes dans un modèle 3D. Ces dernières serviront de paramètres d’entrée nécessaires aux simulations thermo-aérauliques de la grotte soumise à différentes conditions météorologiques.

Abstract

Clustering algorithms, as part of the machine learning family allow us to manage large amounts of datasets. The goal of this study is to compare two clustering methods, the Hierarchical Agglomerative Clustering (HAC) and the K-means method on electrical resistivity tomography (ERT) data characterising the massif surrounding the Lascaux cave. The results of these methods are analysed taking into account the a priori knowledge of the geology of the site. In this project, the structuring of the data into 2 to 5 classes aims to subdivide the massif into domains that are as homogeneous as possible in order to assign to each of them different thermal properties in a 3D model. These will be used as input parameters for the thermo-aerodynamic simulations of the cave under different climatic conditions.