Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

Offshore Freshened Groundwater Prospecting using Machine Learning

Projektbeschreibung

Kartierung von Reservoiren unter dem Meeresboden

Offshore-Grundwasservorkommen, die sich unter dem Meeresboden befinden und einen geringeren Salzgehalt als Meerwasser aufweisen, bergen ein großes Potenzial als Wasserressource für die Küste. Der Mangel an Daten über ihre Verbreitung verhindert jedoch eine wirksame Nutzung zur Verringerung des Wasserstresses in Küstenregionen. In diesem Zusammenhang zielt das EU-finanzierte Projekt OPTIMAL darauf ab, das Auftreten und die Verbreitung von Offshore-Grundwasservorkommen weltweit vorherzusagen. Für seine Methodik werden numerische Simulation und maschinelles Lernen unter Verwendung geologischer und geomorphologischer Faktoren kombiniert. Das von der Universität Malta geleitete Projekt, an dem die Universität Utrecht und Deltares beteiligt sind, fördert das wissenschaftliche Verständnis und steht im Einklang mit den Zielen für nachhaltige Entwicklung. Es erleichtert den Wissenstransfer und fördert gleichzeitig das Fachwissen in den Bereichen Meeresgeologie und angewandtes maschinelles Lernen. OPTIMAL ist mit der Validierung von Daten aus der Praxis ein wichtiger Schritt in Richtung einer nachhaltigen Bewirtschaftung der Wasserressourcen.

Ziel

Offshore freshened groundwater (OFG) refers to fluids stored in sediment pores and rock fractures below the seafloor, with a salinity lower than seawater. This phenomenon has been identified globally in continental margins and proposed as a resource that can potentially alleviate water stress in coastal regions. However, the scarcity of data to constrain the distribution and volumes of the reservoirs remains a challenge. OPTIMAL project aims to: (i) develop an interdisciplinary methodology to predict the occurrence and distribution of OFG resources built on Artificial Intelligence and (ii) apply the model globally to infer OFG occurrence and quantify the resource feasibility as a function of distribution characteristics such as offshore extent, depth below the seafloor and fresh to brackish water ratio. The proposed methodology uses a surrogate model to create a dataset of input parameters, representing key geological and geomorphological components influencing OFG systems, such as aquitard thickness and seafloor bathymetry. The output data will be generated via numerical simulation of variable-density groundwater transport on the suite of surrogate models using high-performance computing. These data will be used to train and test machine learning algorithms. The successful models will be validated using real-world data from the existing global OFG database. The predictive model proposed in this fellowship contributes to achieving Sustainable Development Goals related to technologies for improving access to water resources. The primary beneficiary of this funding will be the University of Malta. Partner organizations will be Utrecht University and Deltares in The Netherlands. The action presents a unique opportunity for the fellow to transfer his expertise in stochastic reservoir modelling and characterization of OFG systems to the host, while learning about marine geology, seafloor landforms and applied machine learning.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) HORIZON-WIDERA-2022-TALENTS-04

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Koordinator

UNIVERSITA TA MALTA
Netto-EU-Beitrag
€ 161 411,52
Adresse
TAL OROQQ
MSD 2080 MSIDA
Malta
Region
Malta Malta Malta
Aktivitätstyp
Higher or Secondary Education Establishments
Links
Gesamtkosten
Keine Daten

Partner (2)