In this master thesis the performance of external viscous dampers attached to cables in cable-stayed bridges have been studied. A comparison has been performed between a linear and a non-linear cable model. The comparison was carried out for two bridge cables, one from the Dubrovnik Bridge and the other from the Normandie Bridge. The performance of the dampers have been measured in terms of maximum achieved damping ratio and minimum amplitude of vibration. The analysis was performed using the finite element method. The damping ratio was measured using both the half-power bandwidth method and by calculating the loss factor. The half-power bandwidth method can only be applied to a linear system. Therefore, the loss factor was evaluated for the linear model and compared to the results obtained using the half-power bandwidth method. From the comparison, it was concluded that the damping ratio evaluated using the loss factor was similar to the results obtained when using the half-power bandwidth method. However, when calculating the loss factor, it was of great importance that the resonance frequency of the system was accurately determined. The loss factor was then calculated for the non-linear model and compared to the results obtained for the linear model. Since the loss factor measures the energy dissipated in a system, it could be utilised for the non-linear model. When computing the strain energy for the non-linear model an approximate method was used to take into consideration the strain energy caused by the static deformation of the cable. From the comparison between the linear and non-linear cable models, it was concluded that the optimal damper coefficients obtained by both models are not significantly different. However, there is an uncertainty in the results due to the fact that an approximate method was used when calculating the strain energy for the nonlinear model. It was also observed that a very accurate evaluation of the system’s resonance frequency was needed to calculate the loss factor. It was also observed that the variation in amplitude of vibration for varying damper coefficient was small for all modes of vibration for the Dubrovnik Bridge Cable as well as for the first mode of vibration for the Normandie Bridge Cable. The difference in the results between the two bridge cables needs to be investigated further in order to get a better understanding of the results.

The climate adaptation of our cities and the optimization of our technical systems with regards to weather sets high demands on the availability and the processing of weather data. The possibility to forecast disturbances of influent flow rate to wastewater treatment plants allow control systems counteract these disturbances before they have a harmful effect on the treatment processes. These forecasts can be made by different models A neural network models complex patterns between different data sets through a multi-layered structure containing a large amount of transformation functions. The aim of this project was to examine how the complex neural network performed compared with a simpler linear regression model when forecasting wastewater flow using high resolution X-band rain radar data. The study also investigated to what extent X-band rain radar data contributes to the performance of the model. The performance was evaluated at rain flow periods only. Wastewater flow data were provided by Avedøre wastewater treatment plant in Copenhagen operated by BIOFOS. The X-band rain radar data was provided by HOFOR. The neural network was developed by Informetics on the TensorFlow platform. This project concluded that the neural network and the linear regression model performed equally well at predicting when a rain flow period began. The neural network was more accurate at predicting the flow rate while the linear regression was better at approximating the accumulated flow over an entire rain flow period. Using additional rain data up to 30 km within the radar station location in comparison with using data only from within the catchment indicated a 20 to 30-minutes improvement of possible lead time. A conceivable lead time when forecasting the sewer flow to Avedøre wastewater treatment plant was estimated to be around 4 hours. / Det föreligger höga krav på tillgänglighet och bearbetning av väderdata för att kunna optimera tekniska system i förhållande till väder och klimat. Att kunna förutsäga ändrat inkommande flöde till avloppsreningsverk möjliggör för kontrollsystem att kunna motverka negativa konsekvenser på reningsprocesserna på grund av det ändrade flödet. X-band radardata kan användas för att prognoser av flöden med hjälp av olika modeller.Ett neuralt nätverk, reproducerar komplexa mönster mellan olika dataset genom en struktur med flera lager och en mängd överföringsfunktioner.  Målsättningen med det här projektet var att utvärdera hur ett komplext neuralt nätverk presterar jämfört med en enklare regressionsmodell i att förutsäga avloppsflöde med hjälp av högupplöst X-band radardata. I projektet undersöktes också hur tillgång av olika radardata kunde bidra till modellens prestanda. Modellerna utvärderades endast under regnflödesperioder. Data över avloppsflödet som användes i projektet kom från Avedøre avloppsreningsverk i Köpenhamn. Reningsverket drivs av BIOFOS. Radardata kom från HOFOR. Det neurala nätverket som användes har utvecklats av Informetics på plattformen Tensorflow. Slutsatser som kunde dras i projektet var att det neurala nätverket och den linjär regressionsmodellen var lika bra på att förutsäga när en regnflödesperiod startade. Det neurala nätverket kunde förutsäga det momentana flödet bättre än regressionsmodellen, medan det omvända gällde för att uppskatta den totala flödesvolymen under en hel regnflödesperiod. Genom att använda ytterligare regndata, upp till 30 kilometer från radarstationen, jämfört med att endast använda data från avrinningsområdet kunde en 20–30 minuters förbättring av den möjliga prognostiden påvisas. En tänkbar prognostiden för att förutsäga avloppsflödet till Avedøre avloppsreningsverk visades ligga omkring 4 timmar.

Background: More students state that they are exposed to bullying and the mental illness among adolescents increases. Previous research states that there is a connection between bullying and reduced well-being, where social factors have been emphasized as risk and protective factors for both bullying and well-being. However, it is not well studied which social factors who has the biggest impact on well-being based on positive and negative aspects. Social capital was used as a theoretical frame to explain the social factors’ influence on adolescent’s well-being. Aim: The aim of the study was to study bullying and which social factors who has the biggest impact on well-being among adolescents in the County Council of Västmanland. Method: Based on the Survey of Adolescent Life in Västmanland 2012, a quantitative approach was applied with a cross-sectional design. A total of 4226 students from 9th grade of compulsory school and the 2nd year of upper secondary school in the County Council of Västmanland were included. Descriptive analyzes and multiple linear regression analyzes were performed. Results: Positive influences showed greater variety in well-being and future optimism than negative influences. Negative experiences had a greater influence than positive experiences while physical, verbal and psychological bullying had a low influence. Conclusion: A majority of students had not experienced any form of bullying where physical bullying was least common while mental bullying was most common. Students’ well-being was highly rated, boys rated their well-being as better than girls. School well-being and negative experiences had the greatest influence in well-being and future optimism.

Adaptiva styrprinciper har framhållits som potentiell lösning till en rad strategiskt kostsamma nackdelar kopplade till den traditionella årsbudgeten. Denna studie syftar till att studerasambandet mellan dessa adaptiva styrprinciper och osäker miljö. Teoribildningen som ligger till grund för det analytiska ramverket har tematiserats i fyra kategorier av adaptiva styrprinciper som visats återkommande i den tidigare forskningen rörande beyond budgeting och dess besläktade hybrider: decentralisering, adaptiv planering och resursallokering, adaptiv målsättning och prestationsmätning samt adaptiva incitamentspraktiker. Denna tidigare forskning har emellertid inte undersökt mindre företags benägenhet att implementera dessa praktiker, och hur detta förhåller sig under perioder av generell osäkerhet. Covid-19-pandemin utgör en unik möjlighet på så sätt att andra typer av osäkerhet tidigare har tagit formen av specifika attribut (exempelvis konkurrensutsättning), medan pandemin får anses vara generellt utan motstycke under de i övrigt rådande omständigheterna. Forskningsfrågan definieras därmed som: Har mindre svenska tillverkningsföretag anammat adaptiva styrprinciper i större utsträckning under pandemin? För att undersöka huruvida dessa styrprinciper har ett samband med osäker miljö på det sätt som antyds utifrån teori användes en kvantitativ metod. En enkät skickades till 616 svenska tillverkningsföretag med 10-199 anställda, varav 88 användbara svar samlades in. Även om respondenterna uppvisade bred tendens till anammande (såsom teorin skulle förutse) var inte denna förändringsgrad under pandemin statistiskt signifikant utifrån linjär sannolikhetsmodell. / Adaptive management practices have been touted as being the solution to a number of strategically costly problems connected to the traditional yearly budget. The purpose of this study is to examine the relation between adaptive management practices and an uncertain environment. The underlying theory of the analytical framework specifically concerns four adaptive management practices that have proven to be recurring in the beyond budgeting literature and its adjacent hybrids: decentralization, adaptive planning and resource allocation, adaptive goal and performance measurements and adaptive incentives. Prior research has overlooked the aspect of smaller companies and their willingness to change and adapt their management practices during times of general uncertainty. The Covid-19 pandemic during 2020-2021 constituted a rare opportunity in the sense that other types of uncertainty have tended to be specific (e.g. increased competition), whereas the pandemic is taken to be generally unprecedented in relation to all other aspects of the current business environment. The research question was therefore formulated as: Have Swedish small scale manufacturing companies adopted adaptive management practices to a larger extent during the pandemic? To examine whether the adoption of these tools relate to uncertain environments, in the manner in which the theory suggests, a quantitative approach was utilized. A survey was sent to 616 Swedish manufacturing companies with 10-199 employees, out of which 88 useful answers were gathered. Although the respondents showed tendencies of adoption across the board (as the theory would predict) the changes made during the pandemic did not reach statistical significance in the linear probability model.

Why do strong states, despite their far superior military capabilities, experience increasing difficulties in defeating small states in asymmetric conflicts? In this thesis I develop a conceptual framework based on Keohane & Nye's theory of complex interdependence, in which I argue that the increased degree of mutual interdependence among strong states leads to decreased cost-tolerance when exercising military power. This, in turn, leads to power being exercised in other forms such as different types of sanctions, influence on political agendas or through political pressure made possible by asymmetric vulnerabilities. The conceptual framework is tested with descriptive statistics and multiple linear regression on all 118 cases of asymmetric conflicts fought between 1945 and 2003. The results challenge existing knowledge about factors such as the importance of military power, troop commitment, external support, the nature of government and freedom of the press. At the same time, risks are identified in small states’ strategies that are based on external support. The result of the study indicates that such strategies lead to increased cost-tolerance among strong intervening states.

The purpose of this thesis is to investigate how tractor swapping can be implemented in Vehicle Routing Problems (VRP) with electric heavy goods vehicles, and to evaluate how a model that allows for tractor swapping performs, in terms of schedule cost, against a model that does not. Hence, this thesis introduces a new rich VRP variant which includes tractor swapping, as well as time windows, pickup and delivery, and electric vehicles. The model is named Electric Tractor Swap Vehicle Routing Problem (E-TSVRP) and is formulated as a mixed integer linear program. As for the solver, Gurobi is used. The results show that utilizing tractor swapping can reduce the total cost of serving customers significantly by reducing en-route charging and utilizing drivers more efficiently. Specifically, it is shown that the cost reduction comes mainly from reducing driver work time. By demonstrating how tractor swapping works and how the results can be visualized on smaller cases, this thesis aims to serve as a foundation for future research within the field. To be able to fully implement the model for large logistics problem instances however, alternative solution methods such as heuristics or metaheuristics should be developed so that the problems can be solved in a reasonable amount of time. / Syftet med denna uppsats är att undersöka hur traktorbyten kan implementeras i "Vehicle Routing Problem" (VRP) med tunga, elektriska lastfordon, och att utvärdera hur en modell som tillåter traktorbyten presterar mot en modell som inte tillåter det, med avseende på den totala schemakostnaden. I uppsatsen introduceras därför en ny och generell VRP som har stöd för traktorbyten, men som också modellerar energikonsumtion och laddning av elektriska lastbilar, samt tillåter tidsfönster för när leveranser kan levereras och hämtas upp på godtyckliga platser. Modellen kallas för "Electric Tractor Swap Vehicle Routing Problem" (E-TSVRP) och formuleras som ett linjärt, blandat heltalsprogram. Programmet löses sedan med lösaren Gurobi. Resultaten visar att utnyttjandet av traktorbyten kan märkbart minska den totala kostnaden av att leverera varor till kunder genom att minska tiden som föraren väntar på att traktorn laddar. Mer specifikt tillåts möjligheten att byta till en ny traktor när den tidigare får slut på energi, vilket möjliggör en högre utnyttjandegrad av förarna, och den fakturerade tiden associerad till förarna kan minskas. Detta sker genom en avvägning mellan å ena sidan högre hårdvarukostnader för fler traktorer och å andra sidan lägre förarkostnader. Genom att demonstrera hur traktorbyten fungerar och hur resultaten kan visualiseras på mindre transportproblem, strävar denna uppsats efter att verka som en grund för framtida forskning. För att modellen ska kunna användas för stora logistikproblem bör dock alternativa lösningsmetoder som till exempel lösningsheuristiker eller metaheuristiker utvecklas så att problemen kan lösas inom en rimlig tid.

This thesis examines which factors drive overall net inflows to a Swedish niche bank. It further investigates whether these factors are the same or different from the factors that drive net inflows to mutual funds as well as shares. To find the key factors, and to what degree they drive the different net inflows, three separate multiple linear regressions were performed. The data analysed was taken from the period January 2018 to February 2022, and was provided by Avanza Bank. The data for the driving factors were gathered from different sources online. 21 regressors were used for this analysis. The thesis conclusion in brief was that for total net inflows the main contributor was the number of customers, which positively impacted the net inflows. The two subcategories: mutual fund and stock inflows were more volatile and the number of customers proved not as important in these cases. Some seasonal patterns were recognized, e.g. January was always a significant month for total net inflows. Therefore, performing a time series analysis would be recommended to draw further conclusions. Other possible avenues for future research is to gain a deeper understanding of this applied area of mathematics and to gather more data both in terms of the analysed time period and number of regressors. / Detta arbete ämnar undersöka vilka faktorer som generellt driver nettoflöden till en svensk nischbank. Arbetet ämnar även att vidare undersöka om dessa eller andra faktorer är mest drivande för nettoflöden till kategorierna fonder och aktier. För att hitta dessa nyckelfaktorer, samt till vilken grad de driver nettoflöden, utfördes tre stycken regressionsanalyser. Datan som analyserades avsåg tidsperioden januari 2018 till februari 2022 och sammanställdes av Avanza Bank. Samtliga potentiella nyckelfaktorer för nettoinflödet samlades in från diverse källor online, totalt användes 21 stycken regressorer för analysen. Arbetets slutsats i korthet var att det för det totala nettoflöden är bankens totala antal kunder som är den största drivande faktorn, vilket har ett positivt samband med den beroende variabeln. För de två sub-kategorierna, nettoflöden till fonder och aktier var det svårare att bygga en modell och antal kunder visade sig inte ha en stor påverkan för dessa. Ett säsongsmönster kunde observeras i datan, exempelvis var januari alltid en signifikant månad för stora nettoflöden. Med detta som bakgrund kunde ett tidsserieanalys rekommenderas för att kunna dra bättre slutsatser inom ämnet. Andra möjliga alternativ för framtida forskning innefattar en djupare analys inom detta område av tillämpad matematik samt insamling av mer data både i fråga om den studerade tidsperioden samt antalet använda regressorer.

Investing in public real estate stocks can diversify a stock portfolio due to the nature of these companies. The industry is generally less sensitive to economic downturns and spikes in inflation are offset by increased real estate property and rent prices. Nevertheless, measures of the wider economy could be used as predictors of the real estate stock market.  This thesis attempts to model the Swedish real estate stock market with the index SX35PI (Stockholm Real Estate PI) using the fundamental economic factors and repo rate. Data was collected and formatted to a monthly interval for the period February 2012 to December 2021. This resulted in an exponential multiple regression model that used all the regressors that explained 95.7% of the variation in SX35PI, and an alternative autoregressive forecasting model that explained 82.3% of the variation in SX35PI. / Investeringar i fastighetsbolag kan diversifiera en aktieportfölj tack vare dessa bolags karaktär. Denna industri är nämligen mindre känslig för ekonomiska nedgångar och minskad efterfråga samt plötsliga ökningar i inflationen som vägs upp av ökningar i fastighetspriser och hyror. Aktiemarknaden för fastighetsaktier kan modelleras med makroekonomiska mått. Denna rapport försöker modellera aktiemarknaden för svenska fastighetsbolag med fundamentala ekonomiska mått samt reporäntan. Data samlades och transformerades för att få datapunkter varje månad under februari 2012 till december 2021. Resultatet blev en exponentiell multipel regressionsmodell som använde alla förklarande variabler vilka förklarade 95.7% av variationen i SX35PI, och en alternativ autoregressiv modell som förklarade 82.3% av variationen i SX35PI.

This thesis is a case study in collaboration with the company Getswish AB. GetswishAB provides the mobile application and payment service Swish with the purpose ofdelivering smooth money transfers for individuals and companies in Sweden. About80 percent of the Swedish population are connected to Swish, and the majority seethe service as an apparent part of everyday life. This work studies a small part of alltransactions that take place daily between individuals and companies. Specifically, thispaper examines which factors affect the Swish transaction amount (TA) to companieswithin five different industries. The five industries studied are: Sports, leisure,and entertainment activities; Restaurant, catering, and bar activities; Retail trade,except for motor vehicles and motorcycles; Trade and repair of motor vehicles andmotorcycles; and Telecommunications. In combination with descriptive analysis andseasonality studies, a multiple linear regression model is used to evaluate patternsin the amount transferred to companies within the various industries. The responsevariable is the daily aggregated TA and the seven responding regressors examined are:i) The number of employees of the company, ii) The revenue of the company, iii) Thedate for registration to Swish service for companies, iv) The age of the customers, v) Thegender of the customers, vi) The number of transactions, and vii) The transaction date.The estimated parameters for each regressor are studied to evaluate correlations withthe TA. This thesis states that it is possible to construct a model from the regressorsanalyzed, which can predict the amount with an explanation degree of above 85% forfour of the five industries. The model constructed for the motor vehicle industry nevergives satisfactory results and must be further investigated to conclude. / Detta examensarbete är en fallstudie i samarbete med företaget GetSwish AB.GetSwish AB tillhandahåller mobilapplikationen och betaltjänsten Swish, vars syfteär att leverera smidig pengaöverföring för privatpersoner och företag i Sverige. Idagär cirka 80 procent av Sveriges befolkning anslutna till Swish och majoriteten sertjänsten som en självklar del av vardagen. Detta arbete kommer dock endast fokuserapå en liten del av alla transaktioner som dagligen sker mellan privatpersoner ochföretag. Specifikt undersöker denna rapport vilka faktorer som påverkar Swishstransaktionsbelopp till företag inom fem olika branscher. De fem branschernasom studeras är: Sport-, fritids- och nöjesverksamhet; Restaurang-, catering ochbarverksamhet; Detaljhandel utom med motorfordon och motorcyklar; Handelsamt reparation av motorfordon och motorcyklar; och Telekommunikation. Ikombination med en deskriptiv analys och säsongsstudier skapades en multipel linjärregressionsmodell för att utvärdera mönster i transaktionsbeloppet från kund tillföretag inom de olika branscherna. Responsvariablen är det dagliga aggregeradebeloppet och de förklarande variablerna som undersöktes var: antalet anställda,omsättning, datum för registrering till Swish för företag, kundernas ålder och könsamt antal transaktioner och transaktionsdatum. De skattade parametrarna förvarje regressor studerades för att utvärdera magnitud samt positiva eller negativakorrelationer med beloppet. Denna rapport visar att det är möjligt att konstrueraen modell från de analyserade regressorerna som kan förutsäga beloppet med enförklaringsgrad på över 85% för fyra av de fem branscherna och kan användas föratt förutspå beloppen på de dagliga transaktionerna. Modellen som konstruerats förfordonsindustrin gav aldrig tillfredsställande resultat och bör undersökas vidare innanslutsatser dras.

In general, insurance companies and especially their clients face long and complicated claims processes where payments rarely, and almost reluctantly, are made the same day. A part of this slow moving procedure is the fact that in some cases the insurer has to value the personal property themselves, which can be a tedious process. In conjunction with the insurance company Hedvig, this project address this issue by examining a pricing model for a specific personal property; smartphones - one of the most common occurring claim types in the insurance context. Using multiple linear regression with data provided by PriceRunner, 10 key characteristics out of 91 where found to have significant explanatory power in predicting the market price of a smartphone. The model successfully simulates this market price with an explained variance of 90%. Furthermore this thesis illustrates an intuitive example regarding pricing models for personal property of other sorts, identifying limiting key components to be data availability and product complexity. / I dagsläget står försäkringsbolag och deras kunder allt för ofta inför långa och komplicerade försäkringsärenden, där utbetalningar i regel aldrig sker samma dag. En del i denna långsamma och utdragna utbetalningsprocess är det faktum att försäkringsbolaget på egen hand måste uppskatta egendomens värde, vilket kan vara en mycket komplicerad process. I samarbete med försäkringsbolaget Hedvig undersöker denna rapport en värderingsmodell för ett av de vanligaste försäkringsärendena gällande personlig egendom, nämligen smartphones. Genom att använda multipel linjär regression med data försedd av PriceRunner har 10 av 91 nyckelfaktorer identifierats ha signifikant förklaringsgrad vid modellering av marknadsvärdet av en smartphone. Den framtagna modellen simulerar framgångsrikt marknadsvärdet med en 90-procentig förklaringsgrad av variansen. Vidare illustrerar denna rapport intuitiva riktlinjer för värderingsmodellering till andra typer av personlig egendom, samtidigt som den identifierar begränsande nyckelaspekter som exempelvis tillgången på data och egendomens inneboende komplexitet.