Matematik och statistik

Temporära förändringar i miljöövervakningsdata studeras för att förstå underliggande processer av miljöpåverkan eller effekter av politiska beslut. Ofta har miljödatauppsättningar specifika egenskaper som begränsar användningen av traditionell statistisk metodik, såsom tidsmässigt och rumsligt beroende, sparsam data, extremvärden och avvikande episoder, eller värden under en rapporteringsgräns.

För ytterligare information kontakta Claudia von Brömssen

Statistisk extremvärdesanalys handlar om studiet av fördelningar för extrema observationer. Av särskilt intresse är att uppskatta kvantiter av sådana fördelningar, som t.ex. inom geovetenskapen kallas avkastningsnivåer. Ett forskningsfält för närvarande är att hitta lämpliga modeller för att hantera kovariater och tidsberoende. Samarbete har gjorts med Strålsäkerhetsmyndigheten kring extrema havsnivåer.
För ytterligare information, kontakta Jesper Rydén

Avancerad statistisk modellering och artificiell intelligens (AI) med tillämpningar inom människors och djurs hälsa och jordbruksvetenskap är i fokus för Reza Belaghis forskning. Han utvecklar AI-prediktionsmodeller för tidig diagnos av sjukdomar som för tidig födsel hos människor, cancer hos människor (baserat på miRNA), cancer hos hundar och digital dermatit hos mjölkboskap, såväl som för prognoser av skördeavkastning och precisionsodling.
Hans metodiska expertis inkluderar högdimensionell datateori (p>>n), bestraffning och krympningsuppskattning, noll-uppblåsta modeller, faktoranalys och censurerad data (time-to-event-analys), tackling av utmaningar i komplexa, verkliga datamängder. För närvarande på SLU integrerar han domänkunskap med AI/ML för att skapa skalbara, tolkbara lösningar som främjar datadriven innovation över discipliner.
För ytterligare information, kontakta Reza Belaghi