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

Liu, X., Liu, W., Tang, Q., Liu, B., Wada, Y., & Yang, H. (2022). Global agricultural water scarcity assessment incorporating blue and green water availability under future climate change. Earth's Future, 10(4), e2021EF002567 (16 pp.). doi:10.1029/2021EF002567, Institutional Repository
David, P. C., Chaffe, P. L. B., Chagas, V. B. P., Dal Molin, M., Oliveira, D. Y., Klein, A. H. F., & Fenicia, F. (2022). Correspondence between model structures and hydrological signatures: a large-sample case study using 508 Brazilian catchments. Water Resources Research, 58(3), e2021WR030619 (20 pp.). doi:10.1029/2021WR030619, Institutional Repository
Prieto, C., Le Vine, N., Kavetski, D., Fenicia, F., Scheidegger, A., & Vitolo, C. (2022). An exploration of Bayesian identification of dominant hydrological mechanisms in ungauged catchments. Water Resources Research, 58(3), e2021WR030705 (28 pp.). doi:10.1029/2021WR030705, Institutional Repository
Mariano, P. M., & Bacci, M. (2022). A discrete-to-continuum model of protein complexes. Biomechanics and Modeling in Mechanobiology. doi:10.1007/s10237-022-01564-7, Institutional Repository
Qi, W., Feng, L., Yang, H., & Liu, J. (2022). Increasing concurrent drought probability in global main crop production countries. Geophysical Research Letters, 49(6), e2021GL097060 (11 pp.). doi:10.1029/2021GL097060, Institutional Repository

News

26. April 2022 –

Forschende der Eawag benutzen Computeralgorithmen, um die Toxizität von chemischen Substanzen auf Fische vorherzusagen. Mit maschinellem Lernen lassen sich Prioritäten für geplante Experimente setzen und längerfristig Tierversuche...

Forschende der Eawag benutzen Computeralgorithmen, um die Toxizität von chemischen Substanzen auf Fische vorherzusagen. Mit maschinellem Lernen lassen sich Prioritäten für geplante Experimente setzen und längerfristig Tierversuche drastisch reduzieren.

Weiterlesen

Events

15.09.​2022,
9:00 Uhr
Swiss Tech Convention Center Lausanne

Eawag-Infotag 2022

02.11.​2022,
9:00 Uhr
Eawag Dübendorf

PEAK-Vertiefungskurs V55/22

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
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