Målet är att analysera stora datamängder (Big Data) av geofysiska och geotekniska data, inklusive realtids-sonardata och sensordata från Core Penetration Test (CPT). CPT-data hjälper till att identifiera olika typer av havsbotten och undervattensföremål, såsom stenar, skeppsvrak och oexploderad ammunition (UXO).
För att hantera dessa omfattande datamängder kommer bearbetning och analys att genomföras distribuerat med hjälp av molnbaserade metoder. Det slutgiltiga målet är att utveckla beslutsstödjande verktyg som automatiskt identifierar lämpliga rutter för undervattenskablar, vilket minskar behovet av manuell granskning av sonar- och CPT-data. Detta kommer att förbättra effektiviteten och noggrannheten, samt minimera risken för mänskliga fel.
Förväntade resultat inkluderar:
1. Automatiserad Identifiering: Verktyg som hjälper operatörer att snabbt identifiera relevanta undervattensobjekt för kabelinstallation.
2. Datadriven Ruttplanering: Underlättande av planering av kabelvägar baserat på analyserad sensordata.
3. Riskanalys: Vid tid för det kommer projektet att undersöka möjligheten att automatisera riskanalyser för varje föreslagen kabelrutt. Dessa analyser kommer att beakta faktorer som kabeltyp, installationsmetod, geografiskt läge och insamlade havsbottendata för att ge omfattande riskbedömningar.
Detta projekt representerar en betydande möjlighet att förbättra effektiviteten och säkerheten i kabelinstallationsprocesser genom att utnyttja avancerad dataanalys och maskininlärning.
