Des algorithmes d’apprentissage automatique appliqués aux données de formes d’ondes de 2008 à 2022 ont révélé 86 276 séismes sous la caldeira de Yellowstone, soit environ dix fois plus que les données précédentes obtenues avec des techniques traditionnelles. Le catalogue révisé, basé sur 15 années de données de formes d’ondes, a été publié dans Science Advances le 18 juillet 2025. Il a été réactualisé par des chercheurs de la Western University, de Universidad Industrial de Santander et de l’U.S.G.S.
Ce nouveau catalogue a été rendu possible grâce à l’application de techniques avancées d’apprentissage automatique et d’un modèle de vitesse 3D spécifique à chaque région. Il montre dans quelle mesure l’intelligence artificielle peut améliorer radicalement la détection et la caractérisation de l’activité microsismique dans les régions volcaniques complexes.
Avant cette nouvelle approche, la détection des séismes reposait en grande partie sur des inspections manuelles et des algorithmes traditionnels, ce qui limitait l’échelle et la granularité des données sismiques. Pour surmonter ces obstacles, les chercheurs ont entraîné un modèle d’IA distinct pour chaque station sismique du réseau de Yellowstone.
Cette approche a permis une définition précise de la magnitude de chaque événement, même lors de périodes de chevauchement d’essaims. Lors de tests de validation, le modèle a récupéré 83 % des séismes précédemment documentés et identifié 855 nouveaux événements sur une période de seulement 10 jours, dont plus de 99 % ont été confirmés comme étant de véritables séismes.
Plus de la moitié des séismes se sont produits en essaims, généralement sans secousse principale dominante. L’analyse a révélé que les essaims étaient probablement déclenchés par une combinaison de lente migration des fluides et de variations soudaines de pression dans les systèmes hydrothermaux.
Le nouveau modèle réactualisé a permis de localiser avec précision les séismes et d’estimer leur magnitude en tenant compte des hétérogénéités du sous-sol qui affectent la propagation des ondes sismiques. Les chercheurs pensent que ces résultats pourraient contribuer à améliorer l’évaluation des risques dans d’autres régions volcaniques. Une meilleure imagerie sismique permet d’éviter plus facilement les zones où les mouvements de fluides déclenchent souvent des séismes.
Source : The Watchers.

Photo: C.Grandpey

——————————————————

Machine learning algorithms applied to waveform data from 2008 to 2022 have revealed 86 276 earthquakes beneath the Yellowstone caldera, which is about 10 times more than previously recorded. The revised catalogue, based on 15 years of waveform data, was published in Science Advances on July 18, 2025. It was created by researchers from Western University, Universidad Industrial de Santander, and the U.S.G.S.

The new catalogue was made possible through the application of advanced machine learning techniques and a region-specific 3D velocity model. It demonstrates how artificial intelligence can radically improve detection rates and characterization of microseismic activity in complex volcanic regions.

Prior to this new approach, earthquake detection relied heavily on manual inspections and traditional algorithms, limiting the scale and granularity of the seismic record. To overcome these limitations, researchers trained a separate AI model for each seismic station in the Yellowstone network.

This approach allowed accurate magnitude assignment, even during periods of overlapping swarm events. In validation tests, the model recovered 83% of previously documented earthquakes and identified 855 new events over just a 10-day window, with over 99% of those confirmed as real earthquakes.

More than half of the earthquakes were found to occur in swarms, typically lacking a dominant mainshock. The analysis revealed that swarms were likely triggered by a combination of slow fluid migration and sudden pressure changes in hydrothermal systems.

This model helped accurately locate earthquakes and estimate magnitudes by accounting for heterogeneities in the subsurface that affect seismic wave propagation. Researchers say the findings could help improve hazard assessments in other volcanic regions. Better seismic imaging makes it easier to avoid areas where fluid movement often triggers earthquakes.

Source : The Watchers.