Temos vadovė: dr. Kristina Plauškaitė-Šukienė (kreiptis rekomendacijos)
Mašininio mokymosi metodų taikymas kompleksiniam aplinkos taršos vertinimui
Disertacijos darbo metu bus siekiama kompleksiškai įvertinti aplinkos taršą taikant gilinamasi į mašininio mokymosi modelius ilgamečiams atmosferos procesų kaitos ir taršos sklaidos duomenų masyvams ypatingą dėmesį skiriant atmosferinių aerozolio susidarymo, augimo ir sklaidos procesus, taip pat į dalelių organinių ir neorganinių junginių kilmės nustatymą ir jų kiekybinę išraišką, įvertinant įvairių antropogeninių ir biogeninių šaltinių tipų (pirminių ir antrinių) poveikį organinių junginių turinčių aerozolio dalelių formavimuisi. Šių procesų tyrimas remsis mašininio mokymosi įrankių taikymu ir jų palyginimu su įprastiniais analizės metodais, tokiais kaip aerozolio dalelių dydžio pasiskirstymo, cheminės sudėties, įskaitant masių spektrus, ir žinomų junginių molekulinius žymenis (ypač BC šaltinių paskirstymui).