The imminent threat of global catastrophe due to climate change gets more real by each passing year. The Aviation trade association, IATA, claims that Aviation accounts for approximately 2% of the Greenhouse Gases (GHG) caused by human activities, and 3.5% of the total Radiative Forcing. With continuous increase in Aviation industry and subsequent drop in fossil fuel prices, these numbers are only expected to up with time. In Addition, these numbers do not include the effects of altitude of emission and many environmentalists believe that the number for some pollutants could be at least 2-3 times larger than IATA estimates. This rising concern engages the Aviation industry to investigate possible methods to alleviate their environmental impact.  The first part of this thesis provides a framework to support Airlines in monitoring their current environmental footprint during the process of scheduling. This objective is realised by developing a robust system for estimating the fuel consumed (ergo quantity of major Greenhouse Gases emitted) by a particular fleet type operating a certain leg, which is then employed in a Fleet Assignment (FA) Operation to reduce emissions and increase the Contribution. An emissions estimation model for Turbojet Aeroplane fleets is created for Industrial Optimizers AB’sMP2 software. The emissions estimation model uses historic fuel consumption data provided by ICAO for a given fleet type to estimate the quantity (in kg) of environmental pollutants during the Landing and Takeoff operation (below 3000 ft) and the Cruise, Climb and Descent operation (above 3000 ft).  The second part of this thesis concerns with assigning monetary weights to the pollutant estimates to calculate an emission cost. This emission cost is then added to MP2’s Fleet Assignment’s objective function as an additional Operational cost to perform a Contribution maximization optimization subjected to the legality constraints. The effects of these monetary weights levied on the results of Fleet Assignment are studied, and utilizing curve-fitting and mathematical optimization, monetary weights are estimated for the desired reduction in GHG emissions.  Finally, a recursive algorithm based on Newton-Raphson method is designed and tested for calculating pollutant weights for untested schedules. / Det omedelbara hotet om en global katastrof pga klimatförändringar blir mer och mer tydligt för varje år som går. IATA, den internationella flyghandelsorganisationen, hävdar att flyget står för runt 2% av växthusgaserna (GHG) som kommer från människans aktiviteter, och 3.5% av den totala avstrålningen. Med den kontinuerliga tillväxten av flygindustrin och prisminskningar av fossila bränslen så förväntas dessa andelar att öka. Dessutom så inkluderar inte dessa siffror effekten av att utsläppen sker på hög höjd, och många miljöaktivister tror att siffrorna för vissa utsläpp kan vara åtminstone 2-3 gånger högre än IATAs uppskattningar. Denna växande oro motiverar flygindustrin till att undersöka metoder för att begränsa dess miljöpåverkan.  Den första delen av denna rapport ger ett ramverk för att hjälpa flygbolag med att bevaka deras aktuella miljöavtryck under schemaläggningsprocessen. Detta mål realiseras genom att utveckla ett robust system för att uppskatta bränsleförbrukningen (och därmed kvantiteten av växthusgasutsläpp) av en specifik flygplanstyp på en given etapp, som sedan kan användas för att allokera flygplanstyper för att minska utsläppen och bidra till att förbättra miljön. En modell för att uppskatta utsläpp för flottor av turbojetflygplan har skapats för Industrial Optimizers AB programvara MP2. Modellen för att uppskatta utsläppen baseras på historiska data om bränsleförbrukning som tillhandahållits av ICAO för en given flygplanstyp som använts för att uppskatta kvantiteten (i kg) av föroreningar vid start (under 3000 fot) och vid sträckflygning, stigning och inflygning (över 3000 fot). Den andra delen av denna rapport handlar om att bestämma monetära vikter till föroreningsskattningarna för att beräkna utsläppskostnader som ska användas i MP2 s målfunktion för allokering av flygplanstyper. Detta ger en ytterligare driftskostnad att beakta i optimeringen för att få med miljöaspekterna och tillåtna lösningar. Effekten som dessa monetära vikter har på resultaten från optimeringen studeras, och genom att använda kurvanpassning och matematisk optimering, de monetära vikterna anpassas för att få den önskade minskningen i växthusgasutsläpp. Slutligen så har en rekursiv algoritm, baserad på Newon-Raphsons metod, designats och testats för att beräkna utsläppsvikter för scheman som inte använts för att beräkna vikterna

Tumour Mutational Burden is a promising biomarker to predict response to immunotherapy. In this thesis, statistical methods of supervised learning were used to predict TMB: GLM, Decision Trees and SVM. Predictions were based on data from targeted DNA sequencing, using variants found in the exonic, intronic, UTR and intergenic regions of the human DNA. This project was of an exploratory nature, performed in a pan-cancer setting. Both regression and classification were considered. The purpose was to investigate whether variants found in these regions of the DNA sequence are useful when predicting TMB. Poisson regression and Negative binomial regression were used within the framework of GLM. The results indicated deficiencies in the model assumptions and that the use of GLM for the application is questionable. The single regression tree did not yield satisfactory prediction accuracy. However, performance was improved by using variance reducing methods such as bagging and random forests. The use of boosted regression trees did not yield any significant improvement in prediction accuracy. In the classification setting, binary as well as multiple classes were considered. The distinction between classes was based on commonly used thresholds in clinical care to achieve immunotherapy. SVM and classification trees yielded high prediction accuracy for the binary case: a misclassification rate of 0.0242 and 0 respectively for the independent test set. In the multiple classification setting, bagging and random forests were implemented, yet, did not improve performance over the single classification tree. SVM produced a misclassification rate of 0.103, and the corresponding number for the single classification tree was 0.109. It was concluded that SVM and Decision trees are suitable methods for predicting TMB based on targeted gene panels. However, to obtain reliable predictions, there is a need to move from a pan-cancer setting to a diagnosis-based setting. Furthermore, parameters affecting TMB, like pre-analytical factors need to be included in the statistical analysis. / Denna uppsats undersöker tre metoder inom statistisk inlärning: GLM, Decision Trees och SVM, med avsikt att förutsäga mutationsbörda, TMB, för cancerpatienter. Metoderna har applicerats både inom regression och klassificering. Förutsägelser gjordes baserat på data från panel-baserad DNA-sekvensering som innehåller varianter från kodande, introniska UTR och intergeniska regioner av mänskligt DNA. Projektet ämnar att undersöka om varianter från dessa regioner av DNA-sekvensen kan vara användbara för att förutsäga mutationsbördan för en patient. Poisson-regression och Negativ Binomial-regression undersöktes inom GLM. Resultaten indikerade på brister i modellerna och att GLM inte är lämplig för denna tillämpning. Regressionsträden gav inte tillräckligt noggranna förutsägelser, men implementering av bagging och random forests förbättrade modellernas prestanda. Boosting förbättrade inte resultaten. Inom klassificering användes både binära klasser och multipla klasser. Avgränsningen mellan klasser baserades på kända gränser för TMB inom vården för att få immunoterapi. SVM och decision trees gav god prestanda för binär klassificering, med ett klassificeringsfel på 0.024 för SVM och 0 för decision trees. Bagging och random forests implementerades för det multipla fallet inom decision trees, men förbättrade inte prestandan. För multipla klasser gav SVM ett klassificeringnsfel på 0.103 och decision trees 0.109. Både SVM och decision trees visade sig vara lämpliga metoder för för att förutse värdet på TMB. Däremot, för att förutsägelserna ska vara tillförlitliga finns det ett behov av att göra denna typ av analys för varje enskild cancerdiagnos. Dessutom finns det ett behov av att inkludera parametrar från den bioinformatiska processen i den statistiska analysen.

Underwater explosions are often modeled with Arbitrary Lagrangian-Eulerian (ALE) Finite Element Methods. The objective of this thesis is to validate the simulation method, with respect to the propagating shock wave. A two-dimensional axisymmetric model of a spherical TNT charge submerged in water is simulated using LS-DYNA. The explosive is modeled with the Burn Fraction technique and the Jones-Wilkins-Lee equation of state. Water is modeled as a non-viscous fluid, with the Grüneisen equation of state. The convergence for different mesh resolutions, the effect of different advection methods, and varied constants in the artificial viscosity are examined. Generally, the simulations agree well with empirical results, but the maximum pressure diminishes more rapidly with distance compared to experiments. The excessive dampening is most notable in the early stages of the propagation. Also, unexpected oscillations are observed near the discontinuity. The choice of advection scheme and constants in the artificial viscosity do not resolve the issues suggesting that other numerical techniques for treating the discontinuity should be considered. / Undervattensexplosioner simuleras ofta med ALE-baserade finita elementmetoder. Detta examensarbete avser att validera simuleringsmetoden med hänsyn till stötvågens utbredning i vattnet. En tvådimensionell axisymmetrisk modell av en sfärisk TNT-laddning nedsänkt i vatten simuleras i LS-DYNA. Laddningen modelleras med hjälp av brinnfraktioner och Jones-Wilkins-Lee tillståndsekvation. Vattnet modelleras som en inviskös fluid tillsammans med Grüneisens tillståndsekvation. Nätkonvergens, val av advektionsmetod och ändring av konstanter i den artificiella viskositeten studeras. Övergripande resultat stämmer väl överens med empirisk data, men stötvågens topptryck avtar fortare än väntat. Denna dämpning är tydligast i utredningens tidiga skeden. Dessutom observeras oväntade oscillationer kring stötvågens diskontinuerliga tryckprofil. Val av advektionsmetod och konstanter tillhörande artificiella viskositeten verkar ha liten betydelse för resultaten. En alternativ numerisk metod för behandling av stötvågens diskontinuitet bör implementeras.

In this project, the problem concerns predicting insurance premiums and particularly vehicle insurance premiums. These predictions were made with the help of Bayesian Neural Networks (BNNs), a type of Artificial Neural Network (ANN). The central concept of BNNs is that the parameters of the network follow distributions, which is beneficial. The modeling was done with the help of TensorFlow's Probability API, where a few models were built and tested on the data provided. The results conclude the possibility of predicting insurance premiums. However, the output distributions in this report were too wide to use. More data, both in volume and in the number of features, and better-structured data are needed. With better data, there is potential in building BNN and other machine learning (ML) models that could be useful for production purposes. / Detta projekt grundar sig i möjligheten till att predikera försäkringspremier, mer specifikt fordonsförsäkringspremier. Prediktioner har gjorts med hjälp av Bayesianska neurala nätverk, vilket är en typ av artificiella neurala nätverk. Det huvudsakliga konceptet med Bayesianska neurala nätverk är att parametrarna i nätverket följer distributioner vilket har vissa fördelar och inte är fallet för vanliga artificiella neurala nätverk. Ett antal modeller har konstruerats med hjälp av TensorFlow Probability API:t som tränats och testats på given data. Resultatet visar att det finns potential att prediktera premier med hjälp av de egenskapspunkter\footnote[2]{\say{Features} på engelska} som finns tillgängliga, men att resultaten inte är tillräckligt bra för att kunna användas i produktion. Med mer data, både till mängd och egenskapspunkter samt bättre strukturerad data finns potential att skapa bättre modeller av intresse för produktion.

This project investigates the Norwegian wine market and attempts to provide models of how the sales volume is influenced by different product attributes. The purpose was to examine if and how such relationship can be modelled using multiple linear regression. Additionally, the aim was to give insights in what drives the sales - which is especially valuable and useful for wine producers in order to efficiently enhance their business strategies. Accordingly, the research questions were: which wine attributes have a positive respectively negative effect on sales, and how can wine producers improve their business using this information? The data was retrieved from Vinmonopolet (which has monopoly on wine sales in Norway) and consisted of the best-selling red wines and white wines during January-June of 2020. The model building and analysis were separated for red wines and white wines, hence resulting in two final models. Evaluation of the models showed that they were reasonable for describing the interaction between sales volume and product attributes. For instance, the model validation generated R^2 values of approximately 56% for red wine and 61% for white wine. For both red wine and white wine, the final models indicated that high-volume packages have a positive effect on sales volume. Conversely, high sales prices and high alcohol contents, as well as ordering items and bag-in-box packaging, were negative properties in respect of sales volume. In addition, the red wine model implied that sales are improved by high sugar contents, the grape Rondinella and the food recommendations cattle, vegetables and big game - while high acid contents and France (as the production country) have negative effects on sales. Furthermore, the white wine model pointed out that younger wines and the food recommendation cheese increase sales, whereas high sugar contents and the food recommendation fish decrease sales. The discussion presents interpretations of the results in conjunction with economic theory and articles about wine. The marketing mix model (the 4 Ps) was also applied to employ the project results and thus provide wine producers guidance in marketing and product development. In conclusion, this project offers a deeper understanding of wine markets - in particular, the Norwegian market. The research questions are answered and the purpose and aim are satisfied. Moreover, proposed further research is for example to conduct a similar analysis but with adjustments of taxes and fees on wine and to further investigate the balance between alcohol, acidity, tannins and sweetness. / Det här projektet undersöker den norska vinmarknaden och försöker utforma modeller för hur försäljningsvolymen påverkas av olika produktattribut. Syftet var att undersöka om och hur ett sådant samband kan modelleras med hjälp av multipel linjär regression. Därutöver var målet med arbetet att ge insikt om vad som driver försäljningen - vilket är speciellt värdefullt och användbart för vinproducenter i syfte att effektivt utveckla sina affärsstrategier. Följaktligen var projektets frågeställningar: vilka vinattribut har en positiv respektive negativ effekt på försäljningen, och hur kan vinproducenter använda informationen för att förbättra sina affärer? Data hämtades från Vinmonopolet (vilka har monopol på vinförsäljningen i Norge) och bestod av de bästsäljande rödvinerna och vitvinerna under januari-juni 2020. Modellbyggandet och analysen separerades för rött och vitt vin, vilket ledde till två slutgiltiga modeller. Granskningen av modellerna visade att de var rimliga för att beskriva interaktionen mellan försäljningsvolym och produktattribut. Till exempel modellvalideringen genererade R^2-värden på ungefär 56% för rött vin och 61% för vitt vin. För både rött vin och vitt vin indikerade de slutgiltiga modellerna att storvolymsförpackningar har en positiv effekt på försäljningsvolymen. Däremot var höga försäljningspriser och högt alkoholinnehåll, samt beställningsvaror och bag-in-box-paketering, negativa egenskaper vad gäller försäljningsvolym. Rödvinsmodellen antydde dessutom att försäljningen förbättras av högt sockerinnehåll, druvan Rondinella samt matrekommendationerna nötkreatur, grönsaker och storvilt - samtidigt som högt syrainnehåll och Frankrike (som produktionsland) har negativa effekter på försäljningen. Därtill påpekade vitvinsmodellen att yngre viner och matrekommendationen ost ökar försäljningen, medan högt sockerinnehåll och matrekommendationen fisk minskar försäljningen. Diskussionen presenterar tolkningar av resultaten i samband med ekonomisk teori och artiklar om vin. Marknadsmixmodellen (de 4 Pna) användes också för att tillämpa projektresultaten och på så sätt ge vinproducenter vägledning i marknadsföring och produktutveckling. Sammanfattningsvis ger projektet en djupare förståelse för vinmarknaden - speciellt den norska. Frågeställningarna besvarades samt syftet och målet tillgodosågs. Som vidare undersökning föreslogs bland annat en liknande studie men med justeringar för skatter och avgifter på vin samt en djupare undersökning av balansen mellan alkohol, syra, tanniner och sötma.

I den här rapporten undersöks hur geografiskt läge, fastighetens fysiska egenskaper och ägandeform påverkar priset för småhus i Stockholms län. Målet med undersökningen är att ta fram en modell, baserad på de faktorer som påverkar bostadspriset mest, som kan användas för att uppskatta en fastighets värde. Undersökningen är baserad på data för småhus som sålts i Stockholms län 2020. Datasetet som används har erhållits av Booli. Efter att datasetet kontrollerats och vid behov anpassats för att uppfylla antaganden för multipel linjär regression, så tillämpas multipel linjär regression. Framåtselektion används för att ta fram de faktorer som starkast påverkar priset och därmed bör ingå i den slutliga modellen. Resultat från undersökningen visar att levnadsyta är den faktor som starkast påverkar priset på småhus i Stockholms län. Vidare bidrar även faktorer som avstånd till vatten, konstruktionsår och vilken kommun huset är beläget i. Slutligen diskuteras även vilken betydelse undersökningen och modellen som tas fram kan tänkas ha för större fastighetsägare. / This report investigates how geographic position, physical attributes of the property and form of ownership affect the price of houses in Stockholm County. The research goal is to develop a model, based on the factors with the strongest impact on house prices, which can be used to estimate the value of a property. The investigation is based on data of sold houses in Stockholm County in 2020. The dataset was obtained from Booli. After relevant adjustments of the dataset have been made, in order to satisfy the assumptions of multiple linear regression, multiple linear regression was applied. Thereafter, forward selection was used to determine which factors to include in the final model. The results indicate that living area is the factor with the highest impact on property prices. Furthermore, other important factors are distance to water, construction year and which municipality the property is situated in. Finally, the importance of the investigation and the model for larger property owners is discussed.

Perfectly matched layer (PML) is a commonly used method of absorbing waves at a computational boundary for partial differential equation (PDE) problems. In this thesis, methods for improving the usability of implementations in Comsol Multiphysics is addressed. The study looks at complex coordinate stretching PMLs in the context of Helmholtz equation using the finite element method (FEM). For a PML to work it has to be set up properly with parameters that takes into account the properties of the problem. It is not always straight forward. Some theory behind PMLs is presented and experimentation on PML properties performed. Methods for PML optimization and adaption is presented. Currently, the way PMLs is applied in COMSOL Multiphysics requires the user to perform many tasks; setting up a geometry, meshing and choosing a suitable complex coordinate stretching. Using a so-called extra-dimension implementation it is possible to attach PMLs as boundary conditions in COMSOL Multiphysics. This simplifies for the user since the geometry and mesh is handled by the software. / Perfectly matched layer (PML) är en metod som ofta används för vågabsorbering vid randen för problem med partiella differentialekvationer (PDE). I det här examensarbetet presenteras metoder som förenklar användingen av PMLer i COMSOL Multiphysics. Studien kollar på PMLer baserade på komplex-koordinatsträckning med fokus på Helmholtz ekvation och finita elementmetoden (FEM). För att en PML ska fungera måste den sättas upp på rätt sätt med parametrar anpassade efter det givna problemet. Att göra detta är inte alltid enkelt. Teori presenteras och experiment på PMLer görs. Flera metoder för optimisering och adaption av PMLer presenteras. I nuläget kräver appliceringen av PMLer i COMSOL Multiphysics att användaren sätter upp en geometri, ett beräkningsnät och väljer den komplexa koordinatsträckningen. Genom att använda COMSOLs implementation av extra dimensioner är det möjligt att applicera PMLer som randvilkor. I en sådan implementation kan geometri och beräkningsnät skötas av mjukvaran vilket underlättar för användaren.

This thesis investigates the possibility of using Sequential Monte Carlo methods (SMC) to create an online algorithm to infer properties from a dataset, such as unknown model parameters. Statistical inference from data streams tends to be difficult, and this is particularly the case for parametric models, which will be the focus of this paper. We develop a sequential Monte Carlo algorithm sampling sequentially from the model's posterior distributions. As a key ingredient of this approach, unknown static parameters are jittered towards the shrinking support of the posterior on the basis of an artificial Markovian dynamic allowing for correct pseudo-marginalisation of the target distributions. We then test the algorithm on a simple Gaussian model, a Gausian Mixture Model (GMM), as well as a variable dimension GMM. All tests and coding were done using Matlab. The outcome of the simulation is promising, but more extensive comparisons to other online algorithms for static parameter models are needed to really gauge the computational efficiency of the developed algorithm. / Detta examensarbete undersöker möjligheten att använda Sekventiella Monte Carlo metoder (SMC) för att utveckla en algoritm med syfte att utvinna parametrar i realtid givet en okänd modell. Då statistisk slutledning från dataströmmar medför svårigheter, särskilt i parameter-modeller, kommer arbetets fokus ligga i utvecklandet av en Monte Carlo algoritm vars uppgift är att sekvensiellt nyttja modellens posteriori fördelningar. Resultatet är att okända, statistiska parametrar kommer att förflyttas mot det krympande stödet av posterioren med hjälp utav en artificiell Markov dynamik, vilket tillåter en korrekt pseudo-marginalisering utav mål-distributionen. Algoritmen kommer sedan att testas på en enkel Gaussisk-modell, en Gaussisk mixturmodell (GMM) och till sist en GMM vars dimension är okänd. Kodningen i detta projekt har utförts i Matlab.

Genom att analysera kortegenskaperna hos Magic the Gathering-kort harmodeller tagits fram för att bestämma deras inverkan på kortpriset. Tidigarestudier har inte fokuserat på spel-egenskaperna, vilket är vad som särskiljer dettaarbete från tidigare forskning. För att modellera effekten av spel-egenskapernahar dessa kvantifierats och undersökts med hjälp av Minsta-kvadratmetoden ochLasso-regression, med hjälp av programmeringsspråket R. Resultaten indikeraratt faktorer direkt kopplade till samlarbarhet och spelbarhet har den störstainverkan på priset för Magic the Gathering-kort. Dessa resultat har diskuteratsmed utgångspunkt från olika perspektiv, såsom Wizards of the Coast (utgivarenav Magic the Gathering), spelare, samlare och investerare. Genom att fokusera påspel-egenskaperna har denna studie bidragit till området på ett sätt som tidigareforskning inte har gjort, vilket ger en mer helhetsbild av Magic the Gathering-kortsvärde. / By analyzing the card properties of Magic the Gathering cards, models have beendeveloped to determine their impact on card prices. Previous studies have notfocused on gameplay properties, which distinguishes this work from previousresearch. To model the effect of gameplay properties, they have been quantifiedand examined using Least Squares Method and Lasso Regression, with the helpof the programming language R. The results indicate that factor directly relateradto collectability and playability have the greatest impact on the price of Magic theGathering cards. These results have been discussed from various perspectives,such as Wizards of the Coast (the publisher of Magic the Gathering), players,collectors, and investors. By focusing on gameplay properties, this study hascontributed to the field in a way that previous research has not, providing a morecomprehensive understanding of the value of Magic the Gathering cards.

Detta projekt undersöker coronapandemins påverkan på bostadsrätter i Stockholms kommun genom två multipel linjär regressionsanalyser med avseende på kvantitativa faktorer som försäljningspris, våningsplan, area, byggnadsår, månadsavgift och tillgång till hiss. Målet med projektet är att analysera om en förändring av preferenser har skett på transaktionsnivå för bostadsmarknaden i Stockholm kommun. För att möjliggöra analysen jämförs varje beta-koefficient från två olika dataset, en innan coronapandemin och en efter coronapandemin. Resultaten från multipel linjär regressionerna i denna undersökning visar för det första att hushållen i Stockholm värderar större area högre och för det andra att värdet av tillgång till hiss har haft en signifikant ökning efter coronapandemin. Där det första resultatet påvisar en fortsatt trend på ökad behov av arbetsrum till följd av distansarbete även efter coronapandemin. Däremot har betydelse av våningsplan, byggnadsår och månadsavgift minskat. Anledningen till minskningen påstås snarare vara en effekt av att andra variabler har blivit mer betydelsefulla. / This project examines the impact of the COVID-19 pandemic on condominiums in the Stockholm region by using two multiple linear regression analyses with respect to quantitative factors as sell price, year of construction, floor, area, monthly fee and access to elevator. The goal of this project is to analyze if a change of preferences have taken place at the transaction level for the real estate market in the Stockholm region. In order to enable the analysis, every beta-coefficient is compared from two different datasets, one before the pandemic and one after. The results of the multiple linear regressions shows firstly that the households in Stockholm value higher on larger areas and secondly that the value of the access to elevators after the pandemic has increased significantly. Whereas the first result proves a continuing trend with increasing demand for workrooms due to remote work even after COVID-19 pandemic. However, the impact of floor, year of construction and monthly fee has decreased. The reason behind the decrease is interpreted rather as an effect of that other variables have been more meaningful instead.