Abteilung Systemanalyse, Integrated Assessment und Modellierung

Systemanalyse und Modellierung

In SIAM entwickeln und verwenden wir Modelle und formale Techniken für natürliche, technische, soziale und ökonomische Systeme, die Wasser und andere natürliche Ressourcen betreffen. Unser Ziel ist es, das Verhalten dieser Systeme zu demonstrieren, es zu verstehen und vorherzusagen. Erfahren Sie mehr

Neue Publikationen

News

27. November 2025 –

Eine neue Kombination von Daten und statistischen Algorithmen erlaubt es erstmals, die Bewegungen von Tieren am Meeresgrund präzise nachzuverfolgen. Eine erste Studie mit Glattrochen am Meeresgrund rund um Schottland soll helfen,...

Eine neue Kombination von Daten und statistischen Algorithmen erlaubt es erstmals, die Bewegungen von Tieren am Meeresgrund präzise nachzuverfolgen. Eine erste Studie mit Glattrochen am Meeresgrund rund um Schottland soll helfen, gezielte Massnahmen zum Erhalt der vom Aussterben bedrohten Tiere zu entwickeln und geeignete Schutzgebiete auszuweisen. Die Ergebnisse wurden jetzt in Science Advances publiziert.

Weiterlesen

Events

Forschungsprojekte

Überbrückung der Kluft zwischen Data Science und mechanistischer Modellierung für ein besseres Verständnis der Zusammensetzung von Lebensgemeinschaften.
Heterogene Datenplattform für die operative Modellierung und Vorhersage von Schweizer Seen
Deep Neural Networks, (DNNs) haben beeindruckende empirische Leistungen gezeigt, bedeuten aber immer noch eine Blackbox-Funktion zur Modellierung von Daten
Skalierbarer Bayes'scher Inferenzrahmen für die Quantifizierung von Unsicherheiten in stochastischen Modellen mit Tausenden von parallelen Prozessoren am Swiss National Supercomputing Center und der ETH Zürich

SPUX - High performance Datenwissenschaft

Modellierung der Lebensgemeinschaften von Makroinvertebraten in Fliessgewässern.
Wir vergleichen Invasionen in aquatischen und terrestrischen Ökosystemen vor allem auf großen (nationalen) räumlichen Skalen und zwischen verschiedenen Taxa auf höherer Ebene
Wir verwenden Methoden des maschinellen Lernens um die Auswirkungen von Chemikalien auf aquatische Arten vorherzusagen
Entwicklung eines halb-verteilten hydrologischen Modells mit einem "flexiblen" Ansatz
Erforschung von Techniken des maschinellen Lernens, um niedrigdimensionale Merkmale in hochdimensionalen Datensätzen, sowohl simulierten als auch beobachteten, aufzudecken.
Interaktionen zwischen terrestrischen räuberischen Vögeln und aquatischen Fischbeutetieren auf verschiedenen räumlichen Ebenen und deren Auswirkungen auf Bewegung, Verhalten und Populationsdynamik