Основными направлениями исследований лаборатории являются: интеллектуальный анализ данных (Data Mining), машинное обучение (Machine Learning) и численное моделирование геофизических процессов (Numerical Modelling)

Data Mining использует широкий математический аппарат от классического статистического анализа до новых кибернетических методов и последних достижений в сфере информационных технологий. В технологии Data Mining гармонично объединились строго формализованные методы и методы неформального анализа, т.е. количественный и качественный анализ данных.

Machine Learning обширный раздел теории искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Машинное обучение находится на стыке математической статистики, методов оптимизации и классической математики, обеспечивая решение проблем вычислительной эффективности и переобучения. Посредством машинного обучения решаются задачи классификации и кластеризации данных, что обеспечивает исходные данные для поддержки принятия решений.

Численное моделирование обеспечивает возможность получения сведений о поведении системы или процесса с использованием математических моделей и численных методов, обеспечивающих эффективную реализацию на современных вычислительных комплексах.

Ключевые задачи:

► предварительный анализ природы статистических данных (проверка гипотез стационарности, нормальности, независимости, однородности, оценка вида функции распределения, ее параметров и т.п.);

►  выявление связей и закономерностей (линейный и нелинейный регрессионный анализ, корреляционный анализ и др.);

►  многомерный статистический анализ (линейный и нелинейный дискриминантный анализ, кластерный анализ, компонентный анализ, факторный анализ и др.);

►  динамические модели и прогноз на основе временных рядов.