-
应用数学与数学物理
应用数学与数学物理领域在国际上享有盛誉，其研究活动广泛，涵盖数值分析、凝聚态物理、生物数学、流体动力学、可积系统、连续介质力学和随机矩阵理论等领域。
-
纯数学
纯数学领域处于世界领先水平，在国际上备受认可，拥有高水平的研究团队，研究方向包括几何、分析、代数和数论。
-
金融数学
金融数学领域专注于金融数学建模和计算方法的研究，是该领域世界领先的研究团队之一。
-
统计学
统计学领域有着活跃的研究氛围，开展方法论和应用统计学方面的高水平研究，研究方向包括统计遗传学和生物统计学、零售金融服务中的统计方法、时间序列、核心统计方法论、分类和数据挖掘 。
第一部分：Applied Mathematics and Mathematical Physics（AMMP，应用数学与物理）
应用数学与数学物理（AMMP）领域开展最高质量的研究，在多个相互关联的应用数学领域具有优势，包括应用与数值分析、生物数学、动力系统、流体动力学以及数学物理。
该领域的理念是，这些核心优势之间没有隔阂，相反，跨学科和学科内的联系得到促进和维系。这一点从我们的研究团队之间，以及与帝国理工学院其他部门和中心（如航空航天、计算机、化学工程、格兰瑟姆研究所、生命科学、物理以及医学院）的合作记录中可以得到证明。此外，还有众多的国内和国际研究合作。
具体研究领域如下：
· Analysis, Probability and PDEs（分析、概率与偏微分方程）
· Applied and Computational Complex Analysis（应用与计算复分析）
· Applied and Numerical Analysis（应用与数值分析）
· Biomathematics（生物数学）
· Complexity&Networks（复杂性与网络）
· Dynamical Systems（动力系统）
· Fluid Dynamics（流体动力学）
· Mathematical Physics（数学物理）
· Red Lotus Project（红莲项目）
分析、概率和偏微分方程（PDEs）之间的相互作用，为理解各种复杂的物理现象奠定了关键基础，这些现象包括相变、流体动力学和波动湍流，以及量子场论。
研究兴趣领域包括：
-
Singular stochastic partial differential equations（奇异随机偏微分方程） -
Navier-Stokes and Euler equations of incompressible fluids（不可压缩流体的纳维 – 斯托克斯方程和欧拉方程） -
Fluid mixing（流体混合） -
Statistical mechanics（统计力学） -
Stochastic homogenization（随机均匀化） -
Wave and hydrodynamic turbulence（波动和流体动力学湍流） -
Phase transitions and random media（相变和随机介质） -
Kinetic theory（动理学理论/动力学理论） -
General Relativity（广义相对论）
二、Applied and Computational Complex Analysis（应用与计算复分析）
-
Theoretical and computational biology（理论与计算生物学）
-
High dimensional biological and health data（高维生物与健康数据）
-
Physics of life（生命物理学）
-
Cancer（癌症）
-
Single – cell analysis and biological noise（单细胞分析与生物噪声）
-
Immunity, public and precision health（免疫、公共卫生与精准医疗）
-
Statistical genetics（统计遗传学）
-
Neuroscience（神经科学）
这张图片帮助理解生物数学方向下每个细分领域的研究内容。
五、Complexity & Networks（复杂性与网络）
复杂性科学中心
该中心开展一系列关于复杂性科学应用及基础方面的研究，其中最有趣的问题往往超出了理想化模型以及典型实验中简化情况的范畴。
为了提出并着手解决此类问题，理论研究通常最好与研究各种实际系统的研究人员密切合作进行。
这是该中心的一个共同主题；许多研究利用了现实世界数据集的丰富性，以便研究复杂性科学中的基本问题。目前在这个框架内开展的许多项目本质上都是合作性质的，正在进行的研究范围广泛，包括：
· 应用进化动力学研究经济学和金融学
· 运用统计力学的思想来分析社会性昆虫的动态和结构
· 应用自组织临界性的理论来分析心律失常
· 运用场论方法来增进我们对复杂系统统计力学的理解
最终，重点在于在该中心内保持多样化的研究主题，以便对现实世界的数据有广泛的洞察，并有机会发现理论和实践中的共性，这对基础复杂性科学至关重要。
上面的图片中，树枝代表复杂系统各个部分之间的联系。花蕾和花朵代表微观部分相互作用中产生的宏观现象。这幅图像的美妙之处反映了该团队看待世界的方式，因为该团队在努力捕捉其中的奇妙之处 。
六、Dynamical Systems（动力系统）
这个方向下面也没有列出具体内容，如需了解更多，请查看官网具体的项目或各位教授学者的研究内容就可以了解到。
七、Fluid Dynamics（流体动力学）
-
Biofluid dynamics（生物流体动力学）
-
Geophysical fluid dynamics（地球物理流体动力学）
-
High speed flows and laminar flow control（高速流动与层流控制）
-
Stokes, multiphase and thin film flows（斯托克斯流、多相流和薄膜流）
（一）Biofluid dynamics（生物流体动力学）
在复杂环境中游泳
流体运动在自然界中无处不在，并且出现在许多生物场景中，比如动物的游泳和飞行、弹性血管中的血液流动，以及呼吸道中的空气流动。生物流体动力学研究运用流体力学的数学理论，从力学的角度对这些生物过程进行定量分析。
该系的生物流体动力学研究涵盖了运动和流体传输问题，并且运用多种分析方法（如应用复分析、渐近分析）和数值方法（如边界积分法、浸入边界法）来构建模型并求解。特别地，该研究团队对微观尺度的游泳和细胞运动很感兴趣，既包括分析生物体采用的游泳策略，也包括研究产生的流场如何影响集体动力学。
游动细胞的集体运动
人们也关注研究游动细胞与边界以及其他浸入的微观物体（如弹性细丝）之间的流体动力学相互作用。通过心血管系统复杂几何结构的流体流动也是一个研究方向。
在中等雷诺数下，通过弯曲、分叉管道的脉动流，甚至是稳定的层流，目前还未被完全理解，但这对于了解动脉粥样硬化的形成以及优化动脉旁路设计非常重要 。
（二）Geophysical fluid dynamics（地球物理流体动力学）
地球物理流体动力学是将流体动力学应用于对地球大气和海洋进行建模的学科，它构成了天气预报和气候预测的理论基础。特别值得关注的是波与非线性输运之间的相互作用，以及从地球尺度到毫米级湍流结构等不同尺度结构之间的耦合。
地球物理流体动力学结合了渐近分析、几何推理和数值模拟，用于解释和预测大气和海洋的运动，进而对我们的天气和气候产生影响。
上图展示了一个理想化的深海位涡场中海洋环流模型的瞬时快照。这种环流的特征是巨大的亚热带和亚极地环流圈，它们被相对狭窄且快速东向流动、蜿蜒曲折、辐射波浪并产生强烈涡旋的急流分隔开来。这种急流在动力学上类似于北大西洋的墨西哥湾流延伸体以及太平洋的黑潮延伸体。急流延伸体对于气候和气候变率非常重要。例如，过去曾发生过没有墨西哥湾流时，英国就会被永久冰川完全覆盖的情况（Berloff，贝洛夫，2005年；贝洛夫等人，2007年）。
该项目的目标是研究如何对小尺度非线性相互作用进行建模，将涡旋反向散射维持在与空间和时间相关的随机过程中。这个雄心勃勃的目标使该项目成为基础流体动力学和随机过程的一个难题，从而引出了关于湍流的新思考方式。从长远来看，对小尺度涡旋进行准确有效的数学建模对于提高综合气候模型的预测能力至关重要，但在此过程中还需要对相关物理原理有更深入的理解。
（三）High speed flows and laminar flow control（高速流动与层流控制）
这个细分领域下面也没有列出具体内容，如需了解更多，请查看官网具体的项目或各位教授学者的研究内容，就可以了解到了。
（四）Stokes, multiphase and thin film flows（斯托克斯流、多相流和薄膜流）
基础研究、应用研究以及多个领域（化学、生物学、技术、安全应用等）的工业研究，都从小型流体系统的进展中受益匪浅。这些设备提供了大量机会，因为它们的设计往往会利用多种物理效应，同时考虑到不断缩小的尺寸和对提高效率的要求所带来的有趣几何限制。在这些设备中，驱动力，如压力梯度、毛细作用、外力（电、磁、声等），甚至化学反应同时发挥作用的情况并不少见。
上图展示了广泛的研究内容，从剧烈的液滴撞击研究（上下部分）到微小几何结构中的微流体混合研究（左中部）。人们经常将新的分析模型与最先进的计算方法进行比较（右中部，界面波相关内容），用于研究基础现象和工业现象。
该团队开发了分析和数值技术来应对流体力学中这些令人兴奋的新挑战，并与工业合作伙伴密切合作，以便将我们的研究成果应用于产生重大影响的技术解决方案中。
对现实世界的影响：
在英国工程和自然科学研究委员会（EPSRC）两项资助项目《多层微流体数学》以及《复杂界面现象的多尺度分析》的支持下，该团队开发了新技术，能够快速且精确地操控极少量的流体。这是设计小型部件（如集成电路元件，以及用于反应分析、药物研发和输送的芯片实验室设备）的关键部分。
通过建模、渐近分析和高性能计算工具，该团队构建了一个数值框架，并借此开发出一种新方法，用于计算飞机表面的积水情况。这是英国创新署资助项目“SANTANA（发动机短舱技术空气动力学系统进展）”的一部分。
液滴撞击
150 多年来，液滴撞击研究一直是流体力学中的经典问题之一。它在喷墨打印、喷雾、燃烧以及飞机表面液体积聚等应用中至关重要。
电流体动力学
在受限几何空间内，利用电场对流体 – 流体界面进行非侵入式操控，已成为控制工业过程（如涂布、混合、通量生成和软光刻）中不稳定性的有效技术。
薄膜
多流体流动中薄膜的复杂动力学问题，可以巧妙地利用这些问题中常见的长度尺度差异来研究。为了提高这些研究的准确性和范围，人们开发了新的分析方法。
八、Mathematical Physics（数学物理）
数学物理小组是应用数学与数学物理部门的一部分，该小组的研究兴趣集中在凝聚态物理理论、统计物理学、复杂性科学、生物物理学、理论量子动力学以及随机矩阵等领域。具体研究方向包括：
-
strongly correlated electron systems（强关联电子系统） -
non-equilibrium statistical mechanics including mathematical modelling of biological evolution and ecology（非平衡统计力学，包括生物进化和生态学的数学建模。） -
protein dynamics and pattern formation（蛋白质动力学和模式形成） -
high temperature superconductivity（高温超导性） -
phase transitions and inhomogeneous fluids（相变和非均匀流体） -
spintronics（自旋电子学） -
quantum fluids（量子流体） -
random matrix models（随机矩阵模型） -
quantum dynamics of ultracold atoms in optical lattices（光晶格中超冷原子的量子动力学） -
non-Hermitian and PT-symmetric quantum theories（非厄米和宇称 – 时间（PT）对称的量子理论） -
quantum-classical correspondence（量子 – 经典对应关系）
帝国理工学院的数学系和物理系都在开展凝聚态物理理论方面的研究。目前，该团队正与物理系的凝聚态物理理论团队以及应用数学与数学物理部门的生物数学团队进行合作。
九、Red Lotus Project（红莲项目）
红莲项目的使命
红莲项目是一个由学术界、产业界和政府相关方组成的非正式跨学科联盟，致力于表面工程研究，及其在热传递、可持续发展和能量收集等领域的应用。
“红（Red）”代表“热（heat）”，而“莲（lotus）”指的是荷叶效应，这一效应是一种比喻，即通过调整材料的表面特性，来实现特定的物理化学或性能目标。
项目参与者定期组织视频会议、讲座、国际会议上的小型研讨会、研习班、暑期学校和系列讲座，以及合作的 “创意交流” 活动，以促进在这个高度跨学科领域内的交流互动。
红莲项目的首次研讨会于2016 年在奇切利大厅举行，由英国皇家学会赞助。
第二部分：Pure Mathematics（纯数学）
纯数学部门处于世界领先地位且在国际上备受认可，该部门在几何、分析、代数和数论等多个领域开展最高水平的研究 。
研究领域：
纯数学部门处于世界领先地位且在国际上备受认可，该部门在几何、分析、代数和数论等多个领域开展最高水平的研究 。
一、Algebra（代数）
Algebra and Algebraic Combinatorics
二、Analysis, Probability and PDEs（分析、概率论和偏微分方程）
分析学、概率论和偏微分方程（PDEs）之间的相互作用，为理解各种复杂的物理现象奠定了至关重要的基础，这些现象包括相变、流体动力学和波的湍流，以及量子场论。
研究兴趣领域包括：
-
Singular stochastic partial differential equations（奇异随机偏微分方程） -
Navier-Stokes and Euler equations of incompressible fluids（不可压缩流体的纳维 – 斯托克斯方程和欧拉方程） -
Fluid mixing（流体混合） -
Statistical mechanics（统计力学） -
Stochastic homogenization（随机均匀化） -
Wave and hydrodynamic turbulence（波和流体动力学湍流） -
Phase transitions and random media（相变和随机介质） -
Kinetic theory（动力学理论） -
General Relativity（广义相对论）
三、Geometry（几何）
伦敦帝国理工学院几何团队的部分成员，位于皇家阿尔伯特音乐厅的台阶上。该团队的核心目前由九名常任教职工组成，此外还有一些研究员、研究助理和博士研究生。
研究兴趣领域包括：
-
complex and Kähler geometry, canonical Kähler metrics（复几何与凯勒几何、典范凯勒度量） -
algebraic geometry, classification theory, Mori theory, Fano varieties（代数几何、分类理论、森重文理论、法诺簇） -
symplectic geometry（辛几何） -
gauge-theory, knot theory, 3- and 4- dimensional topology（规范理论、纽结理论、三维和四维拓扑学） -
Calabi-Yau manifolds, mirror symmetry, mathematical aspects of string theory (with the theoretical physics group), derived categories（卡拉比 – 丘流形、镜像对称、弦理论的数学层面，与理论物理小组合作，导出范畴） -
Geometric Invariant Theory（几何不变量理论） -
Gromov-Witten invariants, moduli of curves（格罗莫夫 – 威滕不变量、曲线模空间） -
calibrated geometry, exceptional holonomy, special Lagrangians（校准几何、例外全纯性、特殊拉格朗日子流形） -
geometric analysis, nonlinear elliptic PDE, geometric flows（几何分析、非线性椭圆偏微分方程、几何流）
四、Number Theory（数论）
-
modular forms（模形式） -
automorphic forms and representations（自守形式和表示） -
the classical Langlands programme and the emerging p-adic Langlands programme（经典朗兰兹纲领以及新兴的p-进朗兰兹纲领） -
arithmetic of algebraic groups（代数群的算术） -
Galois representations（伽罗瓦表示） -
arithmetic geometry（算术几何）
五、Pure Analysis and PDEs（纯数分析和偏微分方程）
这个方向和前面重复的，所以下面并没有具体内容。
六、Stochastic Analysis Group（随机分析团队）
随机分析小组的研究兴趣涵盖了广泛的主题。这些主题的共同特点是经典分析与概率论之间的紧密相互作用。该小组不仅对许多理论问题感兴趣，还关注其在数学金融、物理学和工程学问题中的应用。以下是该小组研究主题的一小部分示例：线性和非线性随机偏微分方程（SPDEs）、正倒向随机微分方程（SDEs）、粗糙路径理论、随机过程的渐近行为、滤波、序贯蒙特卡罗方法、粒子近似、随机过程的统计方法。
在数学金融中的应用包括：金融衍生品稳健定价和校准的渐近方法、利用初始扩大滤波的内幕交易模型、 金融衍生品的估值与套期保值、随机波动率建模、信用风险评估、能源价格动态建模 。
第三部分：Mathematical Finance（数学金融）
伦敦帝国理工学院数学系的金融数学团队致力于金融领域的数学建模和计算方法研究。它是英国规模最大的金融数学研究团队之一，并且被公认为该领域全球领先的研究团队之一。
金融数学团队开展的研究聚焦于金融市场的定量建模，以及支撑该建模过程的数学工具和理论，包括概率论、统计学、偏微分方程、优化理论和模拟方法等 。近期的研究工作还关注与行业和监管相关的问题，如交易对手信用风险、融资估值、抵押品建模、场外（OTC）衍生品的中央清算、流动性风险管理、抵押品转换、新监管规定对风险的影响、多曲线期限结构模型，以及对金融风险和系统性风险建模的全新综合方法。
该团队目前的研究主题包括：
· 随机分析和概率论（Stochastic analysis and Probability theory）：泛函伊藤微积分、路径依赖的偏微分方程、倒向随机微分方程、 Malliavin（马利瓦因）微积分。
· 粗糙路径理论（Rough Path theory）：粗糙微分方程、流形上的粗糙路径。
· 衍生证券的定价和套期保值的先进方法（Advanced methods for pricing and hedging ）：带跳跃和随机波动率的模型、期权定价的渐近方法、模型校准、长期股权合约和投资策略的估值、存在缺陷的市场（比例交易成本、delta 约束）。
· 利率建模（Interest rate modeling）：多因子模型、多曲线期限结构模型、融资对利率衍生品的影响。
· 系统性风险（Systemic risk）：信用传染的网络模型、反馈效应的定量建模、系统性风险的度量标准、金融稳定的定量模型。
· 交易对手信用风险、抵押品和融资（Counterparty Credit risk, Collateral and Funding）：信用估值调整（CVA）、债务估值调整（DVA）、抵押品要求及其对衍生品定价的影响，以及融资成本（FVA）的统一纳入；信用衍生品。
· 随机控制（Stochastic control）及其在金融中的应用
· 流动性风险（Liquidity risk）：价格影响和流动性风险模型、流动性调整的风险度量、基于流动性的定价模型。
· 市场微观结构和高频建模（Market microstructure and high frequency modeling）：限价指令市场的数学建模、高频市场数据的统计建模，以及高频交易对市场稳定性和波动性的影响。
· 金融数值方法（Numerical Methods for finance）：非线性偏微分方程的概率方法、倒向随机微分方程的数值方法、模型校准。
金融数学团队每周组织“金融与随机分析”研讨会，此外还举办与金融数学建模相关主题的其它研讨会、众多会议和讲习班。
第四部分：Statistics（统计）
目前的研究活动具体领域包括统计遗传学和生物统计学、零售金融服务中的统计方法、时间序列、核心统计方法、分类和数据挖掘，这些研究领域之间存在许多相互关联和重叠之处。
统计这一部分的研究领域如下：
-
Applied probability and theoretical statistics（应用概率与理论统计学）
· Astrostatistics（天文统计学）
· Bayesian statistics and computational methods（贝叶斯统计学与计算方法）
· Biostatistics（生物统计学）
· Statistical cyber-security（统计网络安全）
· Statistical learning（统计学习）
· Statistics in finance（金融统计学）
· Time series, spatial statistics and signal processing（时间序列、空间统计与信号处理）
· Statistics in public policy and government（公共政策与政府领域的统计学）
一、Applied probability and theoretical statistics（应用概率与理论统计学）
应用概率与理论统计学研究团队积极致力于开发用于随机系统推断的新统计方法，同时也对现有方法和计算算法进行调整和拓展。该团队的主要研究兴趣在于探究经典统计学和贝叶斯统计学所用技术的理论性质，以及对应用概率模型的研究。特别关注的是针对复杂数据结构、高维数据和非标准随机模型的推断过程。该团队在推进蒙特卡罗方法的理论和方法论方面颇为活跃，尤其致力于为包括时空建模、金融数学和医学等一系列应用开发高度精确的推断方法。
二、Astrostatistics（天文统计学）
统计学科的成员对天文统计学有着浓厚的兴趣，即统计方法在天文学和天体物理学数据分析问题中的应用与发展。通过与帝国理工学院推理与宇宙学中心（ICIC）的联系，这一研究活动在一定程度上得到了推动，该中心由物理系的天体物理学团队主办。
统计学的主要贡献在于开发有原则的统计方法（通常是贝叶斯方法）和数值技术（例如抽样算法），以提高天文学数据解释的可靠性和精确性。这种方法使得人们对白矮星群体（范戴克；莫特洛克）有了更深入的了解，开发出了高效的离群值搜索方法（甘迪；莫特洛克），从X射线光谱中获得了更准确的结果（范戴克），能够对恒星和星系等天文源进行可靠分类（莫特洛克；甘迪），还发现了已知最遥远的类星体（莫特洛克）。
但天文统计学不仅仅是统计学家能够为某一研究领域做出贡献的一个领域；它也是获取真实数据集（这些数据集通常特征明确，但具有异方差噪声特性）的极有用途径，可用于测试各种方法和算法。
如果您希望探索这方面的研究机会，请联系该团队的任何成员。
三、 Bayesian statistics and computational methods（贝叶斯统计学与计算方法）
这个下面没有具体介绍，有很多教授，大家可以通过具体教授主页去了解更多信息。
四、Biostatistics（生物统计学）
生物统计学研究小组致力于开发新的统计方法，用于分析生物学、流行病学和医学领域的数据集。我们的成员在以下领域是专家：
- Statistical genetics and genetic epidemiology（统计遗传学和遗传流行病学）
- Systems Biology（系统生物）
- Stratified and personalised medicine（分层医学和个性化医学）
- Disease mapping（疾病绘图）
- Design and analysis of trials and observational studies（试验和观察性研究的设计与分析）
- Public health and policy（公共卫生与政策）
- Infectious disease epidemiology（传染病流行病学）
- Phylogenetics（系统发育学）
该团队不断拓展广泛的统计技术前沿，从机器学习到非参数和半参数建模、因果推断、时空统计学、混合和多层次建模以及纵向数据分析。
该团队成员与数学系的其它同事一起，是 “医学中的数学” 研究小组成员，旨在加强与医学领域研究人员的合作关系。
统计网络安全团队正在开发数据科学技术，使大型动态计算机网络能够识别入侵行为和异常活动，从而防范网络攻击和欺诈行为。该团队运用统计方法、机器学习和大数据分析技术，开发工具以在高流量数据流中进行可扩展的异常检测，这些数据流包括社交网络、电信网络、网络流量数据、基于主机的传感器进程级数据、信息物理融合系统和物联网数据等，精准定位与正常行为的偏差。
目前已应用的统计技术包括分类、数据挖掘、流数据分析、聚类分析、变点检测、图分析、主题建模、惩罚回归分析以及机器学习。所有工作都源于真实的计算机网络和互联网数据，并且该团队与积极参与的政府和行业合作伙伴展开协作，其中包括政府的国家网络安全中心、洛斯阿拉莫斯国家实验室、奎奈蒂克公司、海尔布隆数学研究所和纵横字谜网络安全公司 。
六、Statistical learning（统计学习）
这个方向下也没具体介绍，如果大家想要了解更多，可以通过这个方向下十多位教授学者的主页去了解。
金融统计学研究团队的宗旨和目标是：
· 将统计方法应用于金融行业的问题。
· 针对这些应用带来的新挑战，开发新的统计方法。
很明显，银行和金融机构用于控制其业务的方法和工具的复杂程度正在迅速提高，该团队的目标是继续走在这一发展的前沿。该团队的研究涉及与金融行业相关的数学和统计学的各个方面，包括欺诈检测、投资组合建模、波动性、系统性风险和风险管理。
该团队与零售银行业的众多组织有广泛联系，并且一直与银行和其它金融机构讨论可能的合作或研究赞助事宜。此前的项目曾由费埃哲公司（Fair Isaac）、联汇金融（Link Financial）和其他机构赞助。
金融统计学研究小组的具体研究兴趣领域
-
Limit order books and market microstructure (Pakkanen, Veraart)（限价指令簿和市场微观结构） -
Energy markets (Veraart)（能源市场） -
Volatility modelling and forecasting (Pakkanen, Veraart)（波动性建模与预测） -
Systemic risk (Gandy)（系统性风险） -
Evaluating scorecards (Hand, Adams)（评估计分卡） -
Fraud detection (Adams)（欺诈检测） -
Applications of machine learning in credit risk modelling（机器学习在信用风险建模中的应用） -
Model risk in retail finance (Adams, with Yazhe Li)（零售金融中的模型风险） -
Credit loss estimation and Loss-given-default（信用损失估计和违约损失）
影响/行业合作/咨询服务
金融统计学研究小组积极与金融行业合作，在过去三十年中参与了与多家金融机构的许多成功咨询项目。我们通常通过帝国理工咨询公司（ICON）开展工作。我们承担过的一些咨询项目类型包括：
-
Credit risk model development（信用风险模型与开发） -
Model validation and evaluation（模型检验与评估） -
Data network analysis（数据网络分析） -
Fraud detection models（欺诈检测模型）
八、Time series, spatial statistics and signal processing（时间序列、空间统计与信号处理）
这一主题涵盖时间序列、空间统计和信号处理等广泛领域的研究。
具体而言，该研究团队开展以下方面的研究：时间序列的预测理论和模型选择；时间序列和点过程中的小波方法；时间序列的图形建模以及对复值时间序列性质的分析；由混沌映射生成的时间序列；时间序列的连续时间建模（特别关注高频数据）；以及随机过程的统计方法，包括长记忆过程 。
此外，该团队在点过程和空间点模式方面具备专业知识，同时擅长统计图像处理，以及对在二维及更高维格点上收集的数据进行统计分析，重点研究高斯 – 马尔可夫随机场和截口场。
该团队的应用领域广泛，从生物医学场景、交通建模、环境变量，到金融数据以及能源市场建模。
九、Statistics in public policy and government（公共政策与政府领域的统计学）
帝国理工学院的统计学家对在公共政策和政府领域运用及开发新型数据科学方法有着浓厚兴趣。该团队运用一系列技术，如机器学习、时间序列分析、分类、回归和空间统计，来处理英国及国际上政府各部门面临的各类问题。该团队尤其关注统计理念在不同政府领域间的技术转移。例如，将医学统计学中处理删失数据的方法应用于税务或安全领域收集的数据。该团队与多个政府机构建立了紧密的合作关系，如国家统计局及其数据科学园区、统计监管办公室、内政部、情报部门、教育部、卫生部、商业、能源与工业战略部、英国税务海关总署，以及欧盟统计局和美国人口普查局等国际组织。
研究人员还积极致力于研究通货膨胀、新冠疫情应对措施、卓越教学框架中的统计问题等公共政策议题，并积极参与行政数据研究网络等组织的工作 。
若大家觉得有帮助，就请点赞加关注，您的鼓励是我更新的动力！
#artContent h1{font-size:16px;font-weight: 400;}#artContent p img{float:none !important;}#artContent table{width:100% !important;}