BackgroundLKAB has struggled for years with measuring the amount of water that fines are containing when it leaves the filters. This is desirable because if the watercontent could be measured it would be easier to keep it stable on a suitable level and the waste in the process could be reduced. MethodThis paper explores the possibility to through predictions based on surrounding signals predict the water content of the fines with desirable precision. These signals are processed with statstical methods and models which will be compared. The models used are Linear-, LASSO, Random Forest- and Additive Models. ResultThe investigations suggests that interaction terms between predictors are not significant and neither are non-linear interactions between predictors and the response. The more complex models which includes more predictors does notperform better than the simpler ones. ConclusionThe resulting best model is a Simple Linear Model which includes the predictor Negative Pressure. This model has a measuring error which is estimated to be around +- 0.5 percentage points which can be compared to a water content percentage of about 7.5-10.5%. There is a LASSO-Model that generates a smaller estimated measuring error but the difference is not considered to be large enough to outweigh the increased complexity of the model. / BakgrundAtt mäta fukthalt i slig i direkt anslutning till de filter som torkar upp slig från slurry på ett till förlitligt sätt har i många år varit en utmaning för LKAB. Att kunna göra detta är önskvärt för att i förlängningen hålla fukten på en stabil nivå och därmed effektivisera pelletiseringsprocessen. MetodDenna uppsats undersöker möjligheten att genom prediktion baserat på kringliggande signaler prediktera fukthalten i sliget med önskvärd precision. Dessa signaler hanteras med hjälp av statistiska metoder och modeller som jämförs med varandra. De modeller som kommer att användas är Linjära-,LASSO-, Random Forest- samt Additiva Modeller. ResultatUndersökningen visar på att samspel mellan prediktorer ej är signifikanta och inte heller icke-linjära samspel mellan prediktorer och fukthalt. Vidare visar undersökningen att de mer komplexa modellerna som tar in fler prediktorer inte presterar bättre än de enklare. SlutsatsDen resulterande bästa modellen är en Enkel Linjär Modell som bygger på prediktorn Undertryck och har ett mätfel som i snitt över filtren skattas till +-0.5 procentenheter, att jämföra med en fuktalt på 7.5-10.5%. En LASSO-modell genererar ett mindre skattat mätfel men det anses ej vara nog mycket mindreför att väga upp för dess mer komplexa uppbyggnad.

Forskning visar att hjälplöshet och hopplöshet är betydelsefulla faktorer för förståelse av depression och ångest. Enligt Cognitive Activation Theory of Stress (CATS) är känslor av hjälplöshet och hopplöshet dessutom prediktiva för psykopatologi. Hjälplöshet definieras som den inlärda förväntan att egen ansträngning inte kan åstadkomma skillnad, och hopplöshet som att egen ansträngning leder till försämring. Den här studien undersökte relationen mellan hjälplöshet/hopplöshet och depression/ångest genom att besvara (1) vad som karaktäriserade individer med hög hjälplöshet och hopplöshet avseende kön, ålder, utbildningsnivå, depressions- och ångestsymtom (2) till vilken utsträckning depression och ångest kunde förklara hjälplöshet och hopplöshet (3) om hjälplöshet och hopplöshet kunde förutsäga risken att utveckla depression och ångest, utöver den risk som ett tidigare depressions- eller ångesttillstånd innebar. För att beräkna samtidig och prediktiv relation mellan hjälplöshet/hopplöshet och depression/ångest användes tvärsektionell data från 3406 deltagare och longitudinell data från 2336 deltagare. All data insamlades med enkäten Miljörelaterade frågor om vår hälsa i Västerbotten år 2010 och 2013. Hjälplöshet/hopplöshet och depression/ångest mättes med Theoretically Originated Measure of the Cognitive Activation Theory of Stress (TOMCATS) respektive Hospital Anxiety and Depression Scale (HADS). Resultatet visade att den grupp som hade högst skattningar på både hjälplöshet och hopplöshet utmärktes av signifikant högre skattningar i psykopatologi, en större andel personer i åldrarna 70-79 år, samt en överrepresentation av personer som inte studerat vidare efter grundskola. Resultatet gav stöd åt en negativ korrelation mellan hjälplöshet/hopplöshet och utbildningsnivå, där associationen mellan låg utbildning och hjälplöshet/hopplöshet var tydligare än mellan hög utbildning och hjälplöshet/hopplöshet. Vidare samvarierade hjälplöshet och hopplöshet med depression och ångest. Depressionssymtom hade större samvariation med hjälplöshet och hopplöshet än vad ångestsymtom hade. Hjälplöshet hade större samvariation med depressions- och ångestsymtom, än hopplöshet. Hjälplöshet var en bättre prediktor för både ångest och depression än vad hopplöshet var. Det bedömdes att hjälplöshet/hopplöshet inte bidrog med någon kliniskt relevant förklarad varians eller ökad risk för diagnos utöver vad ett tidigare psykopatologiskt tillstånd medförde. / Research shows that helplessness and hopelessness are important factors for the understanding of depression and anxiety. According to Cognitive Activation Theory of Stress (CATS), feelings of helplessness and hopelessness are predictors of psychopathology. Helplessness is defined as the learned expectation that one’s own effort cannot achieve desired change, and hopelessness that self-effort leads to worsening of the situation. This study investigated the relationship between helplessness/hopelessness and depression/anxiety by answering (1) what characterized individuals with high helplessness and hopelessness regarding gender, age, education level, depression and anxiety symptoms (2) to what extent depression and anxiety could explain helplessness and hopelessness (3) if helplessness and hopelessness could predict the risk of developing depression and anxiety, more than a previous state of depression or anxiety could. To calculate the concurrent and predictive relationship between helplessness/hopelessness and depression/anxiety, cross-sectional data were used from 3406 participants as well as longitudinal data from 2336 participants. All data were retrieved from the Västerbotten Enviromental Health Study in 2010 and 2013. Helplessness/hopelessness and depression/anxiety were measured with Theoretically Originated Measure of the Cognitive Activation Theory of Stress (TOMCATS) and Hospital Anxiety and Depression Scale (HADS). The results showed that the group that had the highest estimates of both helplessness and hopelessness were characterized as having significantly higher estimates of psychopathology, a greater proportion of people aged 70-79 years, and an over-representation of people not progressed beyond primary school. The results support a negative correlation between helplessness/hopelessness and education, for which the association between low education and helplessness/hopelessness was stronger than between high education and helplessness/hopelessness. Helplessness and hopelessness co-varied with depression and anxiety. Symptoms of depression had higher correlation with helplessness and hopelessness compared to symptoms of anxiety. Helplessness had higher correlation with symptoms of depression and anxiety, compared to hopelessness. Helplessness was a better predictor of both anxiety and depression compared to hopelessness. Helplessness/hopelessness did not seem to contribute to clinically relevant explained variance or increased risk of diagnosis in addition to a previous psychopathological condition.

I denna rapport finnes resultatet av kandidatprojektet i kursen TDDD96 som ges av Linköpings universitet. Projektet har utförts av sju studenter på Civilingenjörsprogrammet inom Datateknik och Civilingenjörsprogrammet inom Mjukvaruteknik. Projektet som utförts var ett mjuvaruutvecklingsprojekt, där studenterna utvecklade en webb-applikation för visningen av historisk data från källor relaterade till lantbruk, med fokus på grödan höstvete. Projektet har dessutom innefattat en studie som, med hjälp av enkla maskininlärningstekniker, undersökt om datan är tillräcklig för att ge en prediktion på vad priset kan tänkas vara i framtiden. Rapporten behandlar de tekniska, gruppadministrativa, och informationsinsamlande val som gjorts, samt hur arbetet med utvecklingen har genomförts och vad resultatet av projektet blev. Rapporten innehåller även sju individuella delar, tillhörande var och en av de sju studenterna, där de genomfört en studie på en egen frågeställning. Dessa finnes i slutet av dokumentet.

No description available.

No description available.

Smärtkatastrofiering är ett fenomen som beskriver känslan av hjälplöshet, överdriven förstoring och ältande av smärta. Postoperativ smärta är den vanligaste komplikationen efter kirurgiska ingrepp och trots effektiva läkemedel upplever många smärta. Senare forskning har visat att smärta är ett komplext begrepp och innefattar flertalet aspekter. Psykologiska prediktiva faktorer har studerats de senaste 20 åren och flera har uppvisat en korrelation till akut postoperativ smärta. Akut smärta är en riskfaktor för att utveckla långvarig smärtproblematik vilket innebär möjligheten att förhindra den genom att undvika akut postoperativ smärta. Smärtkatastrofiering kan vara en faktor för det. Att undersöka betydelsen av smärtkatastrofiering för att förutse akut postoperativ smärta. En systematisk litteraturöversikt från databaserna CINAHL, PubMed, PsycInfo och Web of Science. Vuxna över 18 år som smärtkatastrofierat innan operation och smärtutvärderats efter. Innehållsanalys med resultatpresentation i metaanalys och text. Smärtkatastrofiering har en låg till måttligt korrelation till postoperativsmärta. Sammanställningen av regressionsanalyserna visar både samband och inte. Oddsratio (OR) visar inget samband till postoperativsmärta. Resultatet visar att mer specifik och kontrollerade studier behöver göras för att koppla smärtkatastrofiering till postoperativ smärta. Korrelationer kan påverkas av flera variabler och även om den är signifikant kan inga större slutsatser dras än. Preoperativa omvårdnadsstrategier hos de som smärtkatastrofierat högt skulle rekommenderas för att undersöka eventuella positiva effekter. Liknande studier hos de med ångest har gjorts och visat lovande resultat.

Introduktion Lång väntetid för Stockholms sjukhusbundna akutmottagningar är ett stort problem, samt stor spridning av väntetider mellan de olika mottagningarna. Prediktion av väntetid för Stockholms akutmottagningar är av värde för personer vid val av mottagning och kan i längden resulterai en spridning av patientbelastningen på Stockholms sjukhus. Metod Tidskoder och prioritetsklassificering för besökare på en av Stockholms akutmottagningar användes för att utreda linjära förhållanden mellan kö och väntetid, utifrån vilka prediktionsmodeller togs fram. Resultat Bästa linjära prediktiva metod ger ett medelfel på 86 minuter. Akutmottangningsköer uppvisar ett ickelinjärt förhållande till väntetider och följer inte dess formellt definierade prioritetsordning. Slutsats Djupare förståelse för hur akutmottagningsköer är organiserade i praktiken behövs för prediktion av väntetid som är tillräckligt precis för att vara av värde vid val av mottagning.

This thesis investigates the prerequisites needed for the Swedish real estate company Fabege to create useful machine learning models for classification and prediction of error reports from tenants. These error reports are regarding cold indoor climates and bad indoor air quality. By analyzing the available data, that consists of error reporting data, weather data and indoor climate data, the thesis investigates the different correlations between the sensor data and the error reports. By using an algorithm called decision jungle, two machine learning models have been trained in Microsoft Azure Machine Learning Studio. The main model, trained on error reporting data and weather data, shows the possibilities to classify data instances as a part of different error reporting classes. The model proves that it is possible to predict the emergence of future error reports of different classes with an average accuracy of 78%. The complementary model, trained on a small but more richly annotated dataset consisting of one year of indoor sensor data as well as the above-mentioned data, shows that there is a possibility to improve the main model by using indoor climate data. The thesis has shown that for Fabege to expand and improve these models, the amount of data collected from the indoor sensors needs to be largely increased. Fabege also needs to improve the quality of the error reporting data, which could be achieved by improving the error reporting form used by the tenants.

Molecular property prediction has the ability to improve many processes in molecular chemistry industry. One important application is the development of new drugs where molecular property prediction can decrease both the cost and time of finding new drugs. The current trend is to use graph neural networks or transformers which tend to need moderate and large amounts of data respectively to perform well. Because of the scarceness of molecular property data it is of great interest to find an effective method to transfer learning from other more data-abundant problems. In this thesis I present an approach to pre-train transformer encoders on reaction prediction in order to improve performance on downstream molecular property prediction tasks. I have built a model based on the full transformer architecture but modify it for the purpose of pre-training the encoder. Model performance and specifically the effect of pre-training is tested by predicting lipophilicity, HIV inhibition and hERG channel blocking using both pre-trained models and models without any pre-training. The results demonstrate a tendency for improvement of performance on all molecular property prediction tasks using the suggested pre-training but this tendency for improvement is not statistically significant. The major limitation with the conclusive evaluation stems from the limited simulations due to computational constraints

Syftet med denna uppsats var att undersöka hur depression, ångest och utbrändhet predicerar varandra samt att undersöka om social stöd och fysisk aktivitet kan verka som skyddsfaktorer för dessa prediktionssamband. Studien hade en longitudinell design, och enkäten besvarades 2010 och 2013 av ett slumpmässigt urval på 2336 individer i Västerbotten. Symptom på ångest och depression uppmättes med Hospital Anxiety and Depression Scale och symptom på utbrändhet uppmättes med Shirom Melamed Burnout Questionnaire. Logistiska regressionsanalyser genomfördes. Depression ökade risken för utveckling av ångest (oddskvot, OK=1,78) och utbrändhet (OK=2,21). Ångest ökade risken för utveckling av depression (OK=2,28) och utbrändhet (OK=2,23). Utbrändhet ökade risken för utveckling av depression (OK=3,07) och ångest (OK=2,25). Det var en signifikant mindre andel individer med socialt stöd än utan socialt stöd som utvecklade utbrändhet från depression eller ångest, och från ångest till depression. Det fanns inget stöd för fysisk aktivitet som skyddande faktor för prediktionssambanden. / The purpose of this study was to examine the prediction between depression, anxiety and burnout and whether social support and physical activity can act as protective factors for these predictions. The study had a longitudinal design and a questionnaire was responded to in 2010 and 2013 by a randomized sample of 2336 individuals in Västerbotten, Sweden. The symptoms of depression and anxiety were measured with the Hospital Anxiety and Depression Scale and the symptoms of burnout with the Shirom Melamed Burnout Questionnaire. Logistic regression analyses were performed. Depression increased the risk of developing anxiety (oddsratio, OR=1.78) and burnout (OR=2.21). Anxiety increased the risk of developing depression (OR=2.28) and burnout (OR=2.23). Burnout increased the risk of developing depression (OR=3.07) and anxiety (OR=2.25). A significant smaller proportion of the individuals who had access to social support developed burnout from depression or anxiety, in contrast to the individuals who did not have access to social support. It was the same with development from anxiety to depression. There was no evidence for physical activity being a protective factor for the examined predictions.