Coordinador: Manuel Arturo Pulido
E-mail: pulido@exa.unne.edu.ar

Area de trabajo

Ciencias Atmosfericas – Ciencia de datos – Estadistica

Lineas de investigación

Asimilación de datos Aprendizaje automático aplicado a datos de geociencias y al sector productivo Desarrollo y validación de modelos climáticos Procesamiento de datos de sensores remotos

Investigadores

  • Manuel Pulido
  • Magdalena Lucini
  • Claudio Rodas
  • Luis Duarte

Becarios y pasantes

  • Cocucci Tadeo. Becario CONICET 2020-2023. Prediccion de riesgo de dengue usando filtros secuenciales combinados con técnicas de aprendizaje estadístico.
  • Rosa Santiago. Becario SECYT-UNCordoba 2021-2025. Inferencia de la dinámica del virus SARS-Cov-2 usando asimilación de datos y modelos basados en agentes.
  • Guerrieri Juan. Becario ANPCyT 2022-2025. Filtros de partículas variacionales en alta dimensionalidad.
  • Estefanía Nievas. Becaria SECYT-UNCordoba 2018-2021. Maestría en Estadística Aplicada. Estimación de parámetros en asimilación de datos por ensambles utilizando máximo-verosimilitud.
  • María Elizabeth Mendoza, Docente. Becaria postgrado SGCyT.UNNE, Modelos de predicción de producción de naranjo “valencia late” de la provincia de Entre Ríos. validación y ajuste.
  • Sebastián Michael Filipigh, Docente. Maestría en Estadística Aplicada. Técnicas de cuantificación de la incertidumbre observacional y del modelo en asimilación de datos de suelo para la producción de granos.
  • Aguirre Axel. Pasante UNNE. 2021-2022. Nowcasting con aprendizaje automático usando datos de radares meteorológicos.
  • Fernández Chomik Paul. Pasante UNNE. 2022. Control de calidad en datos de radares meteorológicos.
  • Gastón Escalante. Pasante Legalhub. 2022. Segmentación de textos de pericias medicas.
  • Brenda Castillo. Pasante Legalhub. 2022. Segmentación de textos de pericias medicas.
  • Pinto Juan. Pasante Shipnow. 2022. Redes neuronales para la toma de decisiones en empresa de logística.
  • Molteni Facundo. Pasante Shipnow. 2022. Redes neuronales para la toma de decisiones en empresa de logística.

Proyectos acreditados

  • PICT2021-I130 Cat A Aplicación Intensiva. Agencia Nacional Promoción Científica. 2021-2024 Sistema de predicción y alerta meteorológico basado en aprendizaje automático y asimilación de datos de radares. IR MP
  • PICT2019-3095. Agencia Nacional Promoción Científica. Filtros de Flujos de Part\’iculas Variacionales en Alta Dimensionalidad para la Asimilación de Datos de Radar. IR MP.
  • COVID FEDERAL EX-2020-38902538 CORR-01 ANPCyT. “Sistema de monitoreo y predicción del COVID-19 en la provincia de Corrientes usando asimilación de datos” IR MP.
  • PREVENIR. SATREPS Japan-Argentina 2022-2026. “Numerical Weather Prediction and Warning Communication System for Densely Populated and Vulnerable Cities”. IR Takemasa Miyoshi, Celeste Saulo.
  • European Research Council ERC H2020. CUNDA. “Causal Relations using Nonlinear Data Assimilation”. IR PJvan Leewuen. 2018-2021
  • PICT2015-2368 Agencia Nacional Promoción Científica. Técnicas de Asimilación de Datos de Radar. Estimación de Parámetros Físicos y Estadísticos con el Algoritmo de Expectation–Maximization. 2017-2021. IR Manuel Pulido.
  • ANR-13-JS06-0007 (Agence Nationale Recherche grants) – CNRS Francia 2014-2018. DADA – Data Assimilation for Detection and Atribution of Climate Change. PI. Alexis Hannart.

Servicios y transferencias

El grupo de investigacion realiza asesoramiento y desarrollo a empresas en el area de ciencia de datos, inteligencia artificial y aprendizaje estadistico.

Convenio Asesoramiento E-solutions SA- FACENA UNNE. An\’alisis estad\’istico de un sistema de l\’ineas de atenci\’on de empresa telef\’onica 2015-2016 Desarrollo de software de Work-force management 2017-2018

Legalhub SA-FACENA UNNE. Machine learning para responsability assessment en accidentes de trafico. Clasificación de reclamos de clientes con NLP.9/2020-9/2022 y Segmentación de textos de pericias medicas. 9/2022-9/2024.

Shipnow SRL-FACENA UNNE. Machine learning para toma de decisiones en logística de paquetes. 12/2021-12/2023

Producción científica y tecnológica

Sacco MA, JJ Ruiz, M Pulido, P Tandeo, 2022: Evaluation of Machine Learning Techniques for Forecast Uncertainty Quantification. Quarterly Journal of the Royal Meteorological Society. doi.org/10.1002/QJ.4362 arXiv preprint arXiv:2111.14844

Cocucci T, M Pulido, J Aparicio, J Ruiz, I Simoy, S Rosa, 2022: Inference in epidemiological agent-based models using ensemble-based data assimilation. PLoS ONE , 17, e0264892. doi 10.1371/journal.pone.0264892

Scheffler G, Carrassi A, Ruiz J, Pulido M, 2022: Dynamical effects of inflation in ensemble-based data assimilation under the presence of model error. Quarterly Journal of the Royal Meteorological Society. doi.org/10.1002/qj.4307 arXiv preprint arXiv:2110.06769

Rodas C. and M. Pulido, 2021: Gravity wave focusing on the Antarctic polar vortex using Gaussian beam approximation in horizontally nonuniform flows Journal of Atmospheric Sciences, 78, 3836-3853 doi 10.1175/JAS-D-21-0066.1

van Leeuwen PJ, M. DeCaria, N Chakaborty and M Pulido, 2021: A new framework for causal discovery in non-intervenable systems. Chaos, 31, 123128 (2021) arXiv preprint arXiv:2010.02247 doi 10.1063/5.0054228

Lucini, M.M., van Leeuwen, P.J. and Pulido, M., 2021. Model uncertainty estimation using the expectation maximization algorithm and a particle flow filter. SIAM Jornal of Uncertainty Quantification, 9 , 681-707. doi:10.1137/19M1297300 arXiv preprint arXiv:1911.01511

Evensen G, J Amezcua , M Bocquet , A Carrassi, A Farchi , A Fowler , PL Houtekamer, CK Jones , RJ de Moraes, M Pulido , C Sampson, and FC Vossepoel, 2020: An international assessment of the COVID-19 pandemic using ensemble data assimilation. Foundations of Data Science . doi: 10.3934/fods.2021001

Tandeo P., P. Ailliot, M. Bocquet, A. Carrassi, T. Miyoshi, M. Pulido, Y. Zhen, 2020: Joint Estimation of Model and Observation Error Covariance Matrices in Data Assimilation: A review. Mon. Wea. Rev.l, 148, 3973–3994, https://arxiv.org/pdf/1807.11221

Cocucci, T.J., Pulido, M., Lucini, M. and Tandeo, P., 2020. Model error covariance estimation in particle and ensemble Kalman filters using an online expectation-maximization algorithm. Q. J. Roy. Met. Soc. doi DOI: 10.1002/qj.3931. arXiv preprint arXiv:2003.02109

Scheffler G., J. Ruiz and M. Pulido, 2019: Inference of stochastic parameterizations for model error treatment using nested ensemble Kalman filters. Q. J. Roy. Met. Soc. doi 10.1002/qj.3542 https://arxiv.org/pdf/1807.10858

Pulido M., and P. J. vanLeewen, 2019: Sequential Monte Carlo with kernel embedded mappings: The mapping particle filter. Journal of Computational Physics , 396, 400-415. doi: 10.1016/j.jcp.2019.06.060

Pulido M., P. J. vanLeewen and D. J. Posselt, 2019: Kernel embedded nonlinear observational mappings in the variational mapping particle filter. Lecture Notes on Computational Sciences, ICCS-2019, 141–155. 10.1007/978-3-030-22747-0 https://arxiv.org/pdf/1901.10426

Scheffler G., J. Ruiz and M. Pulido, 2019: Inference of stochastic parameterizations for model error treatment using nested ensemble Kalman filters. Q. J. Roy. Met. Soc. doi 10.1002/qj.3542 https://arxiv.org/pdf/1807.10858

Scheffler G., M. Pulido and C. Rodas, 2018: The Role of Gravity Wave Drag Optimization in the Splitting of the Antarctic Vortex in the 2002 Sudden Stratospheric Warming. Geophysical Research Letters doi 10.1029/2018GL077993

Pulido M., P. Tandeo, M. Bocquet, A. Carrassi and M. Lucini, 2018: Parameter estimation in stochastic multi-scale dynamical systems using expectation-maximization and Newton-Raphson maximum likelihood methods. Tellus. 70 , 1442099. doi 10.1080/16000870.2018.1442099   arxiv

Rodas C. and M. Pulido 2017: A climatology of Rossby wave generation in the middle atmosphere of the Southern hemisphere from MERRA reanalysis. J. Geophys. Res. , 122, 8982–8997 doi: 10.1002/2017JD026597

Lguensat R., P Tandeo, P Ailliot, M Pulido, R Fablet, 2017: The analog data assimilation. Mon. Wea. Rev. 145, 4093-4107 doi: 10.1175/MWR-D-16-0441.1

Scheffler G. and M. Pulido 2017: Estimation of gravity wave parameters to alleviate the delay in stratospheric final warmings of general circulation models. Q. J. Roy. Meteorol. Soc. , 143 , 2157–2167. doi: 10.1002/qj.3074

Pulido M. and O. Rosso, 2017: Model selection: Using information measures from ordinal symbolic analysis to select model sub-grid scale parameterizations. J. Atmos. Sci. , 74 , 3253–3269. doi: 10.1175/JAS-D-16-0340.1

Dreano D., P. Tandeo, M. Pulido, B. Ait-El-Fquih, T. Chonavel and I. Hoteit, 2017: Estimation of error covariances in nonlinear state-space models using the Expectation Maximization algorithm. Q. J. Roy. Meteorol. Soc. , 142 , 1877-1885. doi: 10.1002/qj.3048

Polavarapu S. and M. Pulido 2017: Stratospheric and Mesospheric Data Assimilation: The role of middle atmospheric dynamics. Chapter book Data Assimilation for Atmospheric, Oceanic and Hydrologic Applications Vol. III, 429-454.. edited by Springer. doi: 10.1007/978-3-319-43415-5_19