Andrei Gavrilov   (Andrey Gavrilov)

Postdoctoral researcher in the area of machine learning and its climate applications

Image and Signal Processing Group, University of Valencia

E-mail: andrei.gavrilov@uv.es

Google Scholar profile, ResearchGate profile

Keywords

Machine learning for climate applications, data dimensionality reduction, stochastic generative models, neural networks, dynamical system theory, Bayesian methods, Earth system model intercomparison, ENSO, climate dynamics

Introduction

My scientific interests are focused on developing data-driven methods and their application to complex spatiotemporal/multi-dimensional data in order to better understand and predict the underlying dynamics. I am particularly interested and experienced in data-driven Earth climate modeling. I try to adopt concepts of dynamical system theory, probabilistic methods and state-of-the-art machine learning techniques. Currently I use python and it's modules to develop parallel programming code.

Publications in scientific journals (total=30)

• Wills, R. C. J. et al. (2025). Forced Component Estimation Statistical Method Intercomparison Project (ForceSMIP). [Preprint]

• Buyanova, M., Gavrilov, A., & Mukhin, D. (2025). Analysis of forced response and internal climate variability in the INMCM Earth system model. Russian Journal of Numerical Analysis and Mathematical Modelling, 40(2), 91–106. https://doi.org/10.1515/rnam-2025-0008

• Kravtsov, S., Westgate, A.,  Gavrilov, A. (2025). Global-scale multidecadal variability in climate models and observations. Part I: Forced response. Journal of Climate. https://doi.org/10.1175/JCLI-D-24-0456.1

• Gavrilov, A., Kravtsov, S., Buyanova, M., Mukhin, D., Loskutov, E., & Feigin, A. (2024). Forced response and internal variability in ensembles of climate simulations: identification and analysis using linear dynamical mode decomposition. Climate Dynamics, 62, 1783–1810. https://doi.org/10.1007/S00382-023-06995-1. [Preprint]

• Kravtsov, S., Westgate, A., Gavrilov, A. (2024).  Global-scale multidecadal variability in climate models and observations, part II: The stadium wave. Climate Dynamics, 62,  10281–10306.  https://doi.org/10.1007/s00382-024-07451-4 [Preprint]

• Kocharovsky, V. V., Vdovin, V. V., Gavrilov, A. S., Kocharovskaya, E. R., Logvinenko, S. V., Loskutov, E. M., & Malofeev, V. M. (2024). The Method of Periodic Principal Components for the Dynamic Spectrum of Radio Pulsars and Faraday Rotation of Nine Pulse Components of PSR B0329#. Astronomy Letters, 50(2), 120–137. https://doi.org/10.1134/S1063773724700051

• Seleznev, A. F., Gavrilov, A. S., Mukhin, D. N., Gritsun, A. S., & Volodin, E. M. (2024). ENSO phase locking, asymmetry and predictability in the INMCM Earth system model. Russian Journal of Numerical Analysis and Mathematical Modelling, 39(1), 35–46. https://doi.org/10.1515/RNAM-2024-0004

• Mukhin, D., Safonov, S., Gavrilov, A., Gritsun, A., & Feigin, A. (2024). A new tool for studying seasonality and spatio-temporal structure of ENSO cycles in data and ESM simulations. Russian Journal of Numerical Analysis and Mathematical Modelling, 39(1), 27–34. https://doi.org/10.1515/RNAM-2024-0003

• Mukhin, D. N., Seleznev, A. F., & Gavrilov, A. S. (2023). Identification of dynamic variables capturing interannual behavior of ENSO based on ocean heat content data. 29th International Symposium on Atmospheric and Ocean Optics: Atmospheric Physics, 12780, 1133–1139. https://doi.org/10.1117/12.2690490. 

• Gavrilov, A., Loskutov, E., & Feigin, A. (2022). Data-driven stochastic model for cross-interacting processes with different time scales. Chaos: An Interdisciplinary Journal of Nonlinear Science, 32 , 023111. https://doi.org/10.1063/5.0077302. [Link to full text]

• Kravtsov, S., Gavrilov, A., Buyanova, M., Loskutov, E., & Feigin, A. (2022). Forced signal and predictability in a prototype climate model: Implications for fingerprinting based detection in the presence of multidecadal natural variability. Chaos: An Interdisciplinary Journal of Nonlinear Science, 32(12), 123130. https://doi.org/10.1063/5.0106514

• Loskutov, E., Vdovin, V., Klinshov, V., Gavrilov, A., Mukhin, D. & Feigin, A. (2022). Applying interval stability concept to empirical model of middle Pleistocene transition. Chaos: An Interdisciplinary Journal of Nonlinear Science, 32(2), 021103. https://doi.org/10.1063/5.0079963. [Link to full text]

• Gavrilov, A., Mukhin, D., Loskutov, E., & Feigin, A. (2021). Connection between long-term mid-latitude atmosphere variability and interannual climate modes. 27th International Symposium on Atmospheric and Ocean Optics, Atmospheric Physics, 11916, 1052–1057. https://doi.org/10.1117/12.2601902. [Link to full text]

• Seleznev, A. F., Gavrilov, A. S., Mukhin, D. N.,  & Feigin, A. M. (2021). Reconstruction of the North Atlantic Oscillation variability and its response to anthropogenic forcing using data-driven stochastic models based on artificial neural networks. 27th International Symposium on Atmospheric and Ocean Optics, Atmospheric Physics, 11916, 1046–1051. https://doi.org/10.1117/12.2601900. [Link to full text] 

• Mukhin, D., Gavrilov, A., Seleznev, A., & Buyanova, M. (2021). An Atmospheric Signal Lowering the Spring Predictability Barrier in Statistical ENSO Forecasts. Geophysical Research Letters, 48(6), e2020GL091287. https://doi.org/10.1029/2020GL091287

• Gavrilov, A., Kravtsov, S., Mukhin, D. (2020). Analysis of 20th century surface air temperature using linear dynamical modes. Chaos: An Interdisciplinary Journal of Nonlinear Science, 30(12), 123110. https://doi.org/10.1063/5.0028246. [Link to full text]

• Gavrilov, A., Seleznev, A., Mukhin, D., Loskutov, E., Feigin, A., & Kurths, J. (2019). Linear dynamical modes as new variables for data-driven ENSO forecast. Climate Dynamics, 52(3–4), 2199–2216. http://doi.org/10.1007/s00382-018-4255-7. [Link to full text]

• Mukhin, D., Gavrilov, A., Loskutov, E., Kurths, J., & Feigin, A. (2019). Bayesian Data Analysis for Revealing Causes of the Middle Pleistocene Transition. Scientific Reports, 9(1), 7328. http://doi.org/10.1038/s41598-019-43867-3

• Seleznev, A., Mukhin, D., Gavrilov, A., Loskutov, E., & Feigin, A. (2019). Bayesian framework for simulation of dynamical systems from multidimensional data using recurrent neural network. Chaos: An Interdisciplinary Journal of Nonlinear Science, 29(12), 123115. https://doi.org/10.1063/1.5128372. [Link to full text]

• Kocharovskaya, E. R., Gavrilov, A. S., Kocharovsky, V. V., Loskutov, E. M., Mishin, A. V., Mukhin, D. N., Seleznev, A.F., Kocharovsky, V. V. (2019). Spectral-Dynamical Peculiarities of Polarization of the Active Medium and Space-Time Empirical Modes of a Laser with a Low-Q Cavity. Radiophysics and Quantum Electronics, 61(11), 806–833. https://doi.org/10.1007/s11141-019-09939-0

• Seleznev, A. F., Gavrilov, A. S., Mukhin, D. N., Loskutov, E. M., & Feigin, A. M. (2019). Simulation of Complex Systems Using the Observed Data Based on Recurrent Artificial Neural Networks. Radiophysics and Quantum Electronics, 1–15. http://doi.org/10.1007/s11141-019-09945-2

• Mukhin, D., Gavrilov, A., Loskutov, E., Feigin, A., & Kurths, J. (2018). Nonlinear reconstruction of global climate leading modes on decadal scales. Climate Dynamics, 51(5–6), 2301–2310. http://doi.org/10.1007/s00382-017-4013-2. [Link to full text]

• Kocharovsky, V. V, Gavrilov, A. S., Kocharovskaya, E. R., Mishin, A. V, Ryabinin, I. S., Seleznev, A. F., & Kocharovsky, V. V. (2018). Comparative Analysis of the Dynamical Spectra of a Polarization of an Active Medium and an Electromagnetic Field in the Superradiant Heterolasers. KnE Engineering, 3(6), 160-173. http://doi.org/10.18502/keg.v3i6.2988

• Gavrilov, A., Loskutov, E., & Mukhin, D. (2017). Bayesian optimization of empirical model with state-dependent stochastic forcing. Chaos, Solitons & Fractals, 104, 327–337. http://doi.org/10.1016/j.chaos.2017.08.032

• Kocharovsky, V., Feigin, A., Gavrilov, A., Kocharovskaya, E., Kocharovsky, V., Loskutov, E., & Mukhin, D. (2017). An approach of the space-time empirical modes to the nonlinear phenomena in lasers with Low-Q cavities. Optics InfoBase Conference Papers (Vol. Part F81-EQEC 2017). OSA - The Optical Society. http://doi.org/10.1109/cleoe-eqec.2017.8087568

• Gavrilov, A., Mukhin, D., Loskutov, E., Volodin, E., Feigin, A., & Kurths, J. (2016). Method for reconstructing nonlinear modes with adaptive structure from multidimensional data. Chaos: An Interdisciplinary Journal of Nonlinear Science, 26(12), 123101. http://doi.org/10.1063/1.4968852. [Link to full text]

• Kocharovskaya, E R, Gavrilov, A S, Kocharovsky, V V, Loskutov, E M, Mukhin, D N, Feigin, A M & Kocharovsky, Vl V (2016). Empirical mode with a variable spatial-temporal structure and the dynamics of superradiant lasers. Journal of Physics: Conference Series, 740(1), 12007. http://doi.org/10.1088/1742-6596/740/1/012007

• Mukhin, D., Gavrilov, A., Feigin, A., Loskutov, E., & Kurths, J. (2015). Principal nonlinear dynamical modes of climate variability. Scientific Reports, 5, 15510. http://doi.org/10.1038/srep15510

• Mukhin, D., Kondrashov, D., Loskutov, E., Gavrilov, A., Feigin, A., & Ghil, M. (2015). Predicting Critical Transitions in ENSO models. Part II: Spatially Dependent Models. Journal of Climate, 28(5), 1962–1976. http://doi.org/10.1175/JCLI-D-14-00240.1

• Pankratov, A. L., & Gavrilov, A. S. (2010). Optimal fast single-pulse readout of qubits. Physical Review B, 81(5), 052501. http://doi.org/10.1103/PhysRevB.81.052501

Publications in international conference proceedings  (total=17)

• Alexander Feigin, Dmitry Mukhin, Evgeny Loskutov, and Andrey Gavrilov. Empirical prognostic models from spatially distributed time series: shot-term forecast and long-term prognosis. Proceedings: International work-conference on Time Series (ITISE-2014), 25-27 June 2014, Spain, Granada, p. 286. 

• Evgeny Loskutov, Dmitry Mukhin, Andrey Gavrilov, and Alexander Feigin. Empirical prognostic models from spatially distributed time series: separation of spatio-temporal modes on the base of M-SSA. Proceedings: International work-conference on Time Series (ITISE-2014), 25-27 June 2014, Spain, Granada, p. 303. 

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, and Alexander Feigin. Empirical prognostic models from spatially distributed time series: construction of nonlinear principal modes. Proceedings: International work-conference on Time Series (ITISE-2014), 25-27 June 2014, Spain, Granada, p. 309. 

• A.S.Gavrilov, D.N.Mukhin, E.M.Loskutov, A.M.Feigin. Decomposition of complex systems: nonlinear mode extraction. Proceedings: Topical problems of nonlinear wave physics (NWP-2014), 17-23 July 2014, Russia, Nizhny Novgorod, pp. 156-157. 

• A.M.Feigin, D.N.Mukhin, E.M.Loskutov, A.S.Gavrilov. Global empirical reconstruction of complex systems: general approach and application to climate modeling. Proceedings: Topical problems of nonlinear wave physics (NWP-2014), 17-23 July 2014, Russia, Nizhny Novgorod, p. 155. 

• A.S.Gavrilov, D.N.Mukhin, E.M.Loskutov, A.M.Feigin. Multidimensional nonlinear dynamical modes expansion of spatially distributed time series. Proceedings: Frontiers of nonlinear physics (FNP-2016), 17-23 July 2016, Russia, Nizhny Novgorod, pp. 213-214. 

• A.F.Seleznev, A.S.Gavrilov, D.N.Mukhin. Empirical complex-valued ANN-based model for ENSO forecast. Proceedings: Frontiers of nonlinear physics (FNP-2016), 17-23 July 2016, Russia, Nizhny Novgorod, pp. 184-185. 

• E.Loskutov, D.Mukhin, A.Gavrilov, A.Feigin. Constructing an embedding for reduced dynamical models of climate variability. Proceedings: Frontiers of nonlinear physics (FNP-2016), 17-23 July 2016, Russia, Nizhny Novgorod, p. 179.

• A.S. Gavrilov, A.F. Seleznev, D.N. Mukhin, E.M. Loskutov, A.M. Feigin. Reduced nonlinear data-driven prognostic climate model construction. Proceedings: Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017, p. 114.

• A.M. Feigin, D.N. Mukhin, E.M. Loskutov, A.S. Gavrilov, A.F. Seleznev. Empirical approach to modeling & prognosis of climate systems. Proceedings: Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017, p. 113.

• D.N. Mukhin, A.S. Gavrilov, E.M. Loskutov, A.M. Feigin. Extraction of leading nonlinear dynamical modes of climate from data. Proceedings: Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017, p. 131.

• E.M. Loskutov, D.N. Mukhin, A.S. Gavrilov, A.M. Feigin. Investigation of paleoclimate transitions with data-driven models. Proceedings: Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017, p. 127.

• A. Seleznev, A. Gavrilov, E. Kocharovskaya, E. Loskutov, D. Mukhin, Vl. Kocharovsky, A. Feigin. Space-time empirical modes as an instrument for investigation of nonlinear phenomena in the superradiant lasers. Proceedings: Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017, p. 84.

• A. Gavrilov, S. Kravtsov, A.Feigin. Estimation of forced climate response in ensembles of realizations. Proceedings: Frontiers of Nonlinear Physics (FNP-2024), Nizhny Novgorod, Russia, 1-6 September 2024, p. 38.

• D. Mukhin, A. Gavrilov. Bayesian stochastic recurrent neural network for modeling atmospheric regimes. Proceedings: Frontiers of Nonlinear Physics (FNP-2024), Nizhny Novgorod, Russia, 1-6 September 2024, p. 58.

• E. Loskutov,  V. Vdovin, V. Klinshov, A. Gavrilov, D. Mukhin, A. Feigin. Using empirical modeling approach for the estimation real-world system’s stability to strong perturbations: stability of the paleoclimate in the Pleistocene epoch. Proceedings: Frontiers of Nonlinear Physics (FNP-2014), Nizhny Novgorod, Russia, 1-6 September 2024, p. 54.

• V. Vdovin, A. Gavrilov, E. Kocharovskaya, S. Logvinenko, E. Loskutov, V. Malofeev and V. Kocharovsky. Periodic principal component method unveiling spectral dynamics of the PSR B0329+54 radio emission. Proceedings: Frontiers of Nonlinear Physics (FNP-2024), Nizhny Novgorod, Russia, 1-6 September 2024, p. 65.

International conference reports  (total=92)

2025

• Andrei Gavrilov, Dmitry Mukhin, Semyon Safonov, and Roman Samoilov: Stochastic recurrent neural network for modeling atmospheric regimes, EGU General Assembly 2025, Vienna, Austria, 27 Apr–2 May 2025, EGU25-7404, https://doi.org/10.5194/egusphere-egu25-7404, 2025.

2024

• Andrey Gavrilov, Sergey Kravtsov, and Maria Buyanova: Identification of forced response and internal climate variability using ensemble linear dynamical modes, EGU General Assembly 2024, Vienna, Austria, 14–19 Apr 2024, EGU24-6807, https://doi.org/10.5194/egusphere-egu24-6807, 2024.

• A. Gavrilov, S. Kravtsov, A.Feigin. Estimation of forced climate response in ensembles of realizations. Frontiers of Nonlinear Physics (FNP-2024), Nizhny Novgorod, Russia, 1-6 September 2024.

• D. Mukhin, A. Gavrilov. Bayesian stochastic recurrent neural network for modeling atmospheric regimes. Frontiers of Nonlinear Physics (FNP-2024), Nizhny Novgorod, Russia, 1-6 September 2024.

• E. Loskutov,  V. Vdovin, V. Klinshov, A. Gavrilov, D. Mukhin, A. Feigin. Using empirical modeling approach for the estimation real-world system’s stability to strong perturbations: stability of the paleoclimate in the Pleistocene epoch. Frontiers of Nonlinear Physics (FNP-2014), Nizhny Novgorod, Russia, 1-6 September 2024.

• V. Vdovin, A. Gavrilov, E. Kocharovskaya, S. Logvinenko, E. Loskutov, V. Malofeev and V. Kocharovsky. Periodic principal component method unveiling spectral dynamics of the PSR B0329+54 radio emission. Frontiers of Nonlinear Physics (FNP-2024), Nizhny Novgorod, Russia, 1-6 September 2024.

2021

• Gavrilov, A., Seleznev, A., Mukhin, D., and Feigin, A.: Data-driven stochastic model for cross-interacting processes with different time scales, EGU General Assembly 2021, online, 19–30 Apr 2021, EGU21-4199, https://doi.org/10.5194/egusphere-egu21-4199, 2021.

• Feigin, A., Mukhin, D., Gavrilov, A., Seleznev, A., and Buyanova, M.: An atmospheric forcing extending ENSO forecast horizon using statistical models, EGU General Assembly 2021, online, 19–30 Apr 2021, EGU21-2813, https://doi.org/10.5194/egusphere-egu21-2813, 2021. 

• Loskutov, E., Vdovin, V., Gavrilov, A., Mukhin, D., and Feigin, A.: Stability of the global climate system against strong perturbations, EGU General Assembly 2021, online, 19–30 Apr 2021, EGU21-3454, https://doi.org/10.5194/egusphere-egu21-3454, 2021. 

• Buyanova, M., Kravtsov, S., Gavrilov, A., Mukhin, D., Loskutov, E., and Feigin, A.: Application of linear dynamical mode decomposition to ensembles of climate simulations, EGU General Assembly 2021, online, 19–30 Apr 2021, EGU21-4869, https://doi.org/10.5194/egusphere-egu21-4869, 2021. 

• Seleznev, A., Mukhin, D., Gavrilov, A., and Feigin, A.: Data-driven modeling decadal-to-centennial ENSO variability and its response to external forcing, EGU General Assembly 2021, online, 19–30 Apr 2021, EGU21-8370, https://doi.org/10.5194/egusphere-egu21-8370, 2021.

• A. Gavrilov. Empirical modeling of interrelated processes with different time scales. Topical Problems of Nonlinear Wave Physics (NWP-2021), Nizhny Novgorod, Russia, 19-22 September 2021.

2019

• Alexander Feigin, Dmitry Mukhin, Andrey Gavrilov, and Evgeny Loskutov. Long-term variability of mid-latitude atmosphere: impact of interannual and decadal climate modes. EGU2019-15426. European Geosciences Union General Assembly, 7-12 April 2019, Vienna, Austria.

• Evgeny Loskutov, Andrey Gavrilov, Dmitri Kondrashov, Maria Buyanova, Dmitry Mukhin, and Alexander Feigin. New dynamical variables for Empirical Model Reduction approach: application to ENSO prediction. EGU2019-13475. European Geosciences Union General Assembly, 7-12 April 2019, Vienna, Austria.

• Aleksei Seleznev, Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, and Alexander Feigin. Data-driven Climate Models Based on Recurrent Neural Networks. EGU2019-945. European Geosciences Union General Assembly, 7-12 April 2019, Vienna, Austria.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, Juergen Kurths, and Alexander Feigin. Data-driven modeling of the Middle Pleistocene transition. EGU2019-11036. European Geosciences Union General Assembly, 7-12 April 2019, Vienna, Austria.

• A. Gavrilov. Studying surface air temperature variability in 20th century using linear dynamical mode decomposition. Frontiers of Nonlinear Physics (FNP-2019), Nizhny Novgorod, Russia, 28 June - 4 July 2019.

• A. Gavrilov. Low-dimensional nonlinear modes in a three-level quasigeostrophic model. Frontiers of Nonlinear Physics (FNP-2019), Nizhny Novgorod, Russia, 28 June - 4 July 2019.

• E. Loskutov, A. Gavrilov, D. Kondrashov, M. Buyanova, D. Mukhin, A. Feigin. Data-driven ENSO Prediction with New Dynamical Variables. Abstract IUGG19-1585. 27th IUGG General Assembly, 8-18 July 2019, Montreal, Canada.

2018

• Evgeny Loskutov, Dmitry Mukhin, Andrey Gavrilov, Alexey Seleznev, and Alexander Feigin. Forced Non-autonomous Empirical Model of the Mid-Pleistocene Transition. EGU2018-8073. European Geosciences Union General Assembly, 8-13 April 2018, Vienna, Austria.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, Alexander Feigin, and Juergen Kurths. Studying the roles of anthropogenic and natural forcings in leading modes of the global SST variability. EGU2018-7472. European Geosciences Union General Assembly, 8-13 April 2018, Vienna, Austria.

• Alexander Feigin, Andrey Gavrilov, Aleksey Seleznev, Dmitry Mukhin, and Evgeny Loskutov. Linear dynamical modes: new variables for empirical prognostic model of ENSO variability. EGU2018-7611. European Geosciences Union General Assembly, 8-13 April 2018, Vienna, Austria.

• Andrey Gavrilov, Aleksei Seleznev, Dmitry Mukhin, Evgeny Loskutov, Alexander Feigin, Juergen Kurths. Empirical modeling of ENSO using linear dynamical mode decomposition. 32nd IUGG Conference on Mathematical Geophysics. 23-28 June 2018, Nizhny Novgorod, Russia.

• Alexander Feigin, Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, Juergen Kurths. Data-driven stochastic model for the Pleistocene global temperature: Dynamical mechanism of the Middle Pleistocene transition. Abstract NG21A-0797, AGU Fall meeting, Washington, D.C., 10-14 December 2018.

2017

• Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov, and Alexander Feigin. Reduced nonlinear prognostic model construction from high-dimensional data. EGU2017-1040. European Geosciences Union General Assembly, 23-28 April 2017, Vienna, Austria.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, and Alexander Feigin. Studying Climate Response to Forcing by the Nonlinear Dynamical Mode Decomposition. EGU2017-16891. European Geosciences Union General Assembly, 23-28 April 2017, Vienna, Austria.

• Evgeny Loskutov, Dmitry Mukhin, Andrey Gavrilov, and Alexander Feigin. Empirical investigation of the mid-Pleistocene transition. EGU2017-15491. European Geosciences Union General Assembly, 23-28 April 2017, Vienna, Austria.

• Alexander Feigin, Dmitry Mukhin, Andrey Gavrilov, Aleksey Seleznev, and Evgeny Loskutov. Nonlinear Dynamical Modeling and Forecast of ENSO Variability. EGU2017-6689. European Geosciences Union General Assembly, 23-28 April 2017, Vienna, Austria.

• Alexander M Feigin, Dmitry N Mukhin, Andrey S Gavrilov, Aleksey F Selesnev, Evgeny M Loskutov. Data-driven Nonlinear Dynamical Models for Forecast of Climate Variability. JpGU-AGU Joint Meeting 2017, Makuhari Messe, Japan, 20-25 May 2017.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny M Loskutov, Alexander Feigin. Detection of principal dynamical modes of changing climate. JpGU-AGU Joint Meeting 2017, Makuhari Messe, Japan, 20-25 May 2017.

• Evgeny M Loskutov, Dmitry N Mukhin, Andrey S Gavrilov, Alexander M Feigin. Data-driven model for investigation of the mid-Pleistocene transition. JpGU-AGU Joint Meeting 2017, Makuhari Messe, Japan, 20-25 May 2017.

• Vladimir Kocharovsky, Alexander Feigin, Andrey Gavrilov, Ekaterina Kocharovskaya, Vitaly Kocharovsky, Eugeny Loskutov, Dmitry Mukhin, An approach of the space-time empirical modes to the nonlinear phenomena in lasers with low-Q cavities. 2017 Conference on Lasers and Electro-Optics Europe & European Quantum Electronics Conference (CLEO/Europe-EQEC), Munich, Germany, 25-29 June 2017.

• A.S. Gavrilov, A.F. Seleznev, D.N. Mukhin, E.M. Loskutov, A.M. Feigin. Reduced nonlinear data-driven prognostic climate model construction. Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017.

• A.M. Feigin, D.N. Mukhin, E.M. Loskutov, A.S. Gavrilov, A.F. Seleznev. Empirical approach to modeling & prognosis of climate systems. Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017.

• D.N. Mukhin, A.S. Gavrilov, E.M. Loskutov, A.M. Feigin. Extraction of leading nonlinear dynamical modes of climate from data. Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017.

• E.M. Loskutov, D.N. Mukhin, A.S. Gavrilov, A.M. Feigin. Investigation of paleoclimate transitions with data-driven models. Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017.

• A. Seleznev, A. Gavrilov, E. Kocharovskaya, E. Loskutov, D. Mukhin, Vl. Kocharovsky, A. Feigin. Space-time empirical modes as an instrument for investigation of nonlinear phenomena in the superradiant lasers. Topical Problems of Nonlinear Wave Physics (NWP-2017), Moscow  - St.-Petersburg, Russia, 22-28 July 2017.

• A. Gavrilov, A. Seleznev, D. Mukhin, E. Loskutov, and A. Feigin. Construction of reduced empirical prognostic model by climate data. Fourth International Conference on Earth System Modelling, Hamburg, Germany, 28 August - 1 September 2017.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny M Loskutov, Alexander M Feigin and Juergen Kurths. Extracting Leading Nonlinear Modes of Changing Climate From Global SST Time Series. Abstract NG41A-0121, AGU Fall meeting, New Orleans, 11-15 December 2017.

• Alexander M Feigin, Dmitry Mukhin, Andrey Gavrilov, Alexey Seleznev and Evgeny M Loskutov. Nonlinear Dynamical Modes as a Basis for Short-Term Forecast of Climate Variability. Abstract NG41A-0116, AGU Fall meeting, New Orleans, 11-15 December 2017.

• Evgeny M Loskutov, Dmitry Mukhin, Andrey Gavrilov and Alexander M Feigin. Data-driven stochastic model for investigation of the mid-Pleistocene transition. Abstract NG41A-0111, AGU Fall meeting, New Orleans, 11-15 December 2017.

• Aleksei Seleznev, Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov and Alexander Feigin. Data-Driven Modeling of Complex Systems by means of a Dynamical ANN. Abstract NG41A-0118, AGU Fall meeting, New Orleans, 11-15 December 2017.

2016

• Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov, and Alexander Feigin. Nonlinear dynamical modes of climate variability: from curves to manifolds. EGU2016-651. European Geosciences Union General Assembly, 17-22 April 2016, Vienna, Austria.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, and Alexander Feigin. Constructing the reduced dynamical models of interannual climate variability from spatial-distributed time series. EGU2016-9121. European Geosciences Union General Assembly, 17-22 April 2016, Vienna, Austria.

• Aleksei Seleznev, Andrey Gavrilov, and Dmitry Mukhin. Empirical modeling ENSO dynamics with complex-valued artificial neural networks. EGU2016-604. European Geosciences Union General Assembly, 17-22 April 2016, Vienna, Austria.

• A. Feigin, A. Gavrilov, E. Loskutov, D. Mukhin. Empirical reconstruction of complex systems: prognostic models of evolution operator, optimal pre-processing of highdimensional data, applications to climate. CMG 2016 : 31st IUGG Conference on Mathematical Geophysics,  Paris, France, 6-10 June 2016.

• E. Loskutov, D. Mukhin, A. Gavrilov, A. Feigin. Empirical forecast of interannual climate variability. CMG 2016 : 31st IUGG Conference on Mathematical Geophysics,  Paris, France, 6-10 June 2016.

• A. Gavrilov, Multidimensional nonlinear dynamical modes expansion of spatially distributed time series. Frontiers of Nonlinear Physics (FNP-2016), Nizhny Novgorod, Russia, 17-23 July 2016.

• Andrey Gavrilov. Evolution of principal nonlinear patterns of global sea surface temperature in XX century. Science of the future, Kazan, Russia, 20-23 September 2016.

• Aleksei Seleznev, Andrey Gavrilov, Dmitry Mukhin. ANN-based empirical model for ENSO forecast. Science of the future, Kazan, Russia, 20-23 September 2016.

• Alexander Feigin, Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov. Nonlinear dynamical models of interannual to decadal climate variability from observed time series: data pre-processing, model construction, forecast of climate indices. CLIVAR Open Science Conference, Qingdao, China, 18-25 September 2016.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, Alexander Feigin, Juergen Kurths. Principal nonlinear dynamical modes of multidecadal climate variability. CLIVAR Open Science Conference, Qingdao, China, 18-25 September 2016.

• Evgeny Loskutov, Dmitry Mukhin, Andrey Gavrilov, Alexander Feigin. Empirical investigation of critical transitions at very long timescales. CLIVAR Open Science Conference, Qingdao, China, 18-25 September 2016.

• Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov and Alexander Feigin. Construction of Optimally Reduced Empirical Model by Spatially Distributed Climate Data. Abstract NG31A-1824, AGU Fall meeting, San-Francisco, 12-16 December 2016.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, Alexander Feigin and Juergen Kurths. Leading Nonlinear Mode of Inter-Annual and Decadal Climate Behavior. Abstract NG24A-03, AGU Fall meeting, San-Francisco, 12-16 December 2016.

• Evgeny M Loskutov, Dmitry Mukhin, Andrey Gavrilov and Alexander Feigin. Empirical Investigation of Critical Transitions in Paleoclimate. Abstract NG31A-1826, AGU Fall meeting, San-Francisco, 12-16 December 2016.

• Alexander M Feigin, Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov and Alexey Seleznev. New Methodology of ENSO Forecast. Abstract A43D-0257, AGU Fall meeting, San-Francisco, 12-16 December 2016.

2015

• Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov, Alexander Feigin, and Juergen Kurths. Empirical decomposition of climate data into nonlinear dynamic modes. EGU2015-627, European Geosciences Union General Assembly, 12-17 April 2015, Vienna, Austria.

• Evgeny Loskutov, Dmitry Mukhin, Andrey Gavrilov, and Alexander Feigin. Extraction of climate subsystems on the basis of MSSA technique. EGU2015-14069, European Geosciences Union General Assembly, 12-17 April 2015, Vienna, Austria.

• Alexander Feigin, Andrey Gavrilov, Evgeny Loskutov, and Dmitry Mukhin. Decomposition of the complex system into nonlinear spatio-temporal modes: algorithm and application to climate data mining. EGU2015-6217 , European Geosciences Union General Assembly, 12-17 April 2015, Vienna, Austria.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, Alexander Feigin, and Juergen Kurths. Reconstruction of principal dynamical modes from climatic variability: nonlinear approach. EGU2015-5729, European Geosciences Union General Assembly, 12-17 April 2015, Vienna, Austria.

• Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov, Alexander Feigin, Juergen Kurths. Construction of nonlinear dynamical modes: new algorithm. International Workshop "Analysis of dynamic networks and data driven modelling of the climate", 12-14 October 2015, Potsdam, Germany.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, Alexander Feigin and Juergen Kurths. Nonlinear empirical reduction of climate system dimensionality. Challenges in Data Science : a complex systems perspective, International Conference, Torino, Italy, October 14-17 2015.

• Alexander M Feigin, Dmitry Mukhin, Andrey Gavrilov and Evgeny M Loskutov. Construction of embedding for empirical prognostic models of climate. Abstract NG23B-1789, AGU Fall meeting, San-Francisco, 14-18 December 2015.

• Evgeny M Loskutov, Dmitry Mukhin, Andrey Gavrilov and Alexander M Feigin. Nonlinear Empirical Decomposition of Space-Time Distributed Data. Abstract NG23B-1798, AGU Fall meeting, San-Francisco, 14-18 December 2015.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny M Loskutov, Alexander M Feigin and Jurgen Kurths. Extraction of Nonlinear Dynamical Modes Underlying Climate Variability. Abstract NG23B-1803, AGU Fall meeting, San-Francisco, 14-18 December 2015.

2014

• Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov, and Alexander Feigin. Empirical ANN-based prognostic models for climate modes. EGU2014-202, European Geosciences Union General Assembly, 27 April - 2 May 2014, Vienna, Austria.

• Alexander Feigin, Dmitry Mukhin, Andrey Gavrilov, Evgeny Volodin, and Evgeny Loskutov. Approach to analysis of multiscale space-distributed time series: separation of spatio-temporal modes with essentially different time scales. EGU2014-6877, European Geosciences Union General Assembly, 27 April - 2 May 2014, Vienna, Austria.

• Alexander Feigin, Dmitry Mukhin, Evgeny Loskutov, and Andrey Gavrilov. Empirical prognostic models from spatially distributed time series: shot-term forecast and long-term prognosis. International work-conference on Time Series (ITISE-2014), 25-27 June 2014, Spain, Granada. 

• Evgeny Loskutov, Dmitry Mukhin, Andrey Gavrilov, and Alexander Feigin. Empirical prognostic models from spatially distributed time series: separation of spatio-temporal modes on the base of M-SSA. International work-conference on Time Series (ITISE-2014), 25-27 June 2014, Spain, Granada. 

• Dmitry Mukhin, Andrey Gavrilov, Evgeny Loskutov, and Alexander Feigin. Empirical prognostic models from spatially distributed time series: construction of nonlinear principal modes. International work-conference on Time Series (ITISE-2014), 25-27 June 2014, Spain, Granada. 

• A.S.Gavrilov, D.N.Mukhin, E.M.Loskutov, A.M.Feigin. Decomposition of complex systems: nonlinear mode extraction. Topical problems of nonlinear wave physics (NWP-2014), 17-23 July 2014, Russia, Nizhny Novgorod.

• A.M.Feigin, D.N.Mukhin, E.M.Loskutov, A.S.Gavrilov. Global empirical reconstruction of complex systems: general approach and application to climate modeling. Topical problems of nonlinear wave physics (NWP-2014), 17-23 July 2014, Russia, Nizhny Novgorod.

• D. Mukhin, A.S. Gavrilov, E.M. Loskutov, A.M. Feigin. Optimal prognostic models from spatially distributed time series. Topical problems of nonlinear wave physics (NWP-2014), 17-23 July 2014, Russia, Nizhny Novgorod.

• E. Loskutov, D.N. Mukhin, A.S. Gavrilov and A.M. Feigin. Decomposition of the complex systems: spatio-temporal expansion of data. Topical problems of nonlinear wave physics (NWP-2014), 17-23 July 2014, Russia, Nizhny Novgorod.

• Gavrilov A.S., Mukhin D.N., Loskutov E.M., Feigin A.M. Construction of nonlinear dynamic modes by climate data. Science of the future. 17-20 September 2014, Saint Petersburg, Russia.

• Andrey Gavrilov. Nonlinear modes decomposition of observed multivariate data. Workshop "Network analysis and data driven modelling of the climate", 27-29 October 2014, Potsdam, Germany.

• Dmitry Mukhin, Andrey Gavrilov, Evgeny M Loskutov and Alexander M Feigin. Nonlinear Decomposition of Climate Data: a New Method for Reconstruction of Dynamical Modes. Abstract NG43A-3752, AGU Fall meeting, San-Francisco, 15-19 December 2014.

• Evgeny M Loskutov, Dmitry Mukhin, Andrey Gavrilov and Alexander M Feigin. Optimal Empirical Prognostic Models of Climate Dynamics. Abstract NG43A-3763, AGU Fall meeting, San-Francisco, 15-19 December 2014.

2013

• Alexander Feigin, Dmitry Mukhin, Anna Mukhina, Andrey Gavrilov, Evgeny Loskutov. Empirical modeling of climate dynamics. Abstract EGU2013-5966, European Geosciences Union General Assembly, 7-12 April 2013, Vienna, Austria.

• Dmitry Mukhin, Evgeny Loskutov, Andrey Gavrilov, Anna Mukhina. ENSO prediction by the analysis of observed variability of SST. Abstract MO-11_A3.1, Abstract Proceedings: Davos Atmosphere and Cryosphere  Assembly DACA-13, 8-12 July, 2013, Davos, Switzerland, p.85.

• Dmitry Mukhin, Evgeny M. Loskutov, Andrey Gavrilov, Alexander M. Feigin. Empirical prediction of climate dynamics: optimal models, derived from time series, Abstract NG33A-1575, AGU Fall meeting, San-Francisco, 9-13 December 2013.

• Alexander M. Feigin, Dmitry Mukhin, Evgeny M. Volodin, Andrey Gavrilov, Evgeny M. Loskutov. Separation of spatial-temporal patterns (“climatic modes”) by combined analysis of really measured and generated numerically vector time series, Abstract NG33A-1574, AGU Fall meeting, San-Francisco, 9-13 December 2013.

• Evgeny M. Loskutov, Dmitry Mukhin, Andrey Gavrilov, Alexander M. Feigin. Empirical models of ENSO phenomenon: long-term prognosis of critical transitions, Abstract NG33A-1577, AGU Fall meeting, San-Francisco, 9-13 December 2013.

2012

• Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov, Alexander Feigin. Bayesian evidence technique in application to stochastic modeling of dynamic systems, Abstract P8, The XXXII Dynamic Days Europe, Gothenburg, Sweden, 2012.

• Evgeny M. Loskutov, Dmitry Mukhin, Anna Mukhina, Andrey Gavrilov, Dmitri A. Kondrashov, Alexander M. Feigin. Selection of optimal complexity for ENSO-EMR model by minimum description length principle. Abstract NG43B-1577, AGU Fall Meeting, San-Francisco, California, 3-7 December 2012.

• Dmitry Mukhin, Anna Mukhina, Andrey Gavrilov, Evgeny M. Loskutov. ANN-based empirical modeling of SST variability in Equatorial Pacific region. Abstract NG43B-1579, AGU Fall Meeting, San-Francisco, California, 3-7 December 2012.

2011

• Alexander Feigin, Dmitry Mukhin, Andrey Gavrilov, and Eugeny Loskutov. Stochastic modeling of ENSO phenomena: low-dimensional prognostic model from time series. Abstract EGU2011-4055, European Geosciences Union General Assembly, 3-8 April 2011, Vienna, Austria.

• Dmitry Mukhin, Andrew Gavrilov, Evgeny Loskutov, and Alexander Feigin. Reconstruction of a dynamical system underlying an observed time series by optimal stochastic models. Abstract EGU2011-951, European Geosciences Union General Assembly, 3-8 April 2011, Vienna, Austria.

• Andrey Gavrilov, Dmitry Mukhin, Evgeny Loskutov, Alexander Feigin. Stochastic approach to reconstruction of dynamical systems: optimal model selection criterion, Abstract NG51E-1678, AGU Fall Meeting, San-Francisco, California, 5-9 December 2011.

• Evgeny Loskutov, Andrey Gavrilov, Dmitry Mukhin, Anna Mukhina, Ilya Zaliapin, Alexander Feigin. Prognosis of critical transitions in a delay differential equations model of ENSO. Abstract NG51E-1683, AGU Fall Meeting, San-Francisco, California, 5-9 December 2011.

2010

• D.N. Mukhin, A.S. Gavrilov, E.M. Loskutov. Prognosis of qualitative behavior from time series: low-dimensional stochastic modeling of ENSO phenomena. Abstract NG43H-1463, AGU Fall Meeting, San-Francisco, California, 13-17 December 2010.

Grants:

With my own leadership:

• Junior scientist's lab grant "Laboratory for climate model development and testing" (RF Ministry of Education and Science, 2022-2024)

With international collaboration:

• Grant under international scientists' leadership (Prof. Michael Ghil from Ecole Normale Supérieure, Paris, France;  Prof. Sergey Kravtsov from University of Wisconsin–Milwaukee, USA) "Hierarchical empirical models to study and predict the evolution of complex dynamical systems" by the Russian Science Foundation, 2020-2022

• Joint grant with Potsdam institute for Climate Impact Research "Nonlinear Empirical Mode Analysis of Complex Systems: Development of General Approach and Applications in Climate" by the Russian Science Foundation and Deutsche Forschungsgemeinschaft (DFG), 2019-2021

• Grant under international scientist's leadership (Prof. Juergen Kurths from Potsdam institute for Climate Impact Research, Germany) "Novel approaches to investigation of climate processes and prediction of extreme events" by the government of the Russian Federation, 2014-2018

• Grant "Dynamical and statistical investigation of critical transitions in climate system" by the Russian Foundation for Basic Research and Civilian Research and Development Foundation (CRDF), 2010-2012

Participation in Russian grants:

• Grant "New methods for identifying and analyzing patterns underlying the observed dynamics of complex systems, and their application to the study of climate and magnetospheric processes" by the Russian Science Foundation, 2023-2024

• Grant "Methods for data-driven modeling of complex dynamical systems as an instrument for studying interactions between the tropical and extra-tropical parts of Earth's climate system" by the Russian Science Foundation, 2022-2024

• Grant "New methods of multiscale analysis and empirical prediction of high-dimensional chaotic dynamical systems" by the Russian Science Foundation, 2018-2019

• Grant "Global reconstruction of complex dynamical systems: recurrent neural networks as a tool for modeling and prognosis" by the Russian Science Foundation, 2016-2018

• Grant "Modeling epidemics of viral infections" by the Ministry of Science and Education of the Russian Federation, 2020-2022 

• Grant "Mathematics of Future Technologies" by the Ministry of Science and Education of the Russian Federation, 2020-2022

• Grant "Principal structural components of dynamic spectra and modern correlation analysis of the dynamics of pulsed laser radiation, pulsar radio emission, and stress-induced heart rhythm" by the Russian Foundation for Basic Research , 2020-2022 

• Grant "Investigation of the influence of external forcing on the nonlinear dynamics of the climate system" by the Russian Foundation for Basic Research, 2019-2021

• Grant "Analysis of the Dynamics of Superradiant Lasers by the Method of Empirical Modes with a Variable Space-Time Structure" by the Russian Foundation for Basic Research, 2016-2018

Publications in Russian language

Journals (total=5):

• Е. Р. Кочаровская, А. С. Гаврилов, А. Ф. Селезнев, А. В. Мишин, В. В. Кочаровский, Вл. В. Кочаровский, “Когерентное взаимодействие мод и кратные гребёнки в спектре сверхизлучающего лазера”, Квантовая электроника, 52:9 (2022), 799–803

• Мухин Д. Н., Селезнев А. Ф., Гаврилов А. С., Фейгин А. М. Оптимальные эмпирические модели динамических систем с внешними воздействиями: общий подход и примеры из климата // Известия вузов. ПНД. 2021. Т. 29, вып. 4. С. 571-602. DOI: 10.18500/0869-6632-2021-29-4-571-602

• А.М.Фейгин, А.С.Гаврилов, Е.М.Лоскутов, Д.Н.Мухин, А.Ф.Селезнев. Нелинейные динамические моды: метод эмпирической реконструкции сложных систем. Нелинейные волны - 2018. Нижний Новгород, ИПФ РАН, 2019, с. 193-224.

• Кочаровская Е.Р., Гаврилов А.С., Кочаровский В.В., Лоскутов Е.М., Мишин А.В., Мухин Д.Н., Селезнев А.Ф., Кочаровский Вл.В. Спектрально-динамические особенности поляризации активной среды и пространственно-временные эмпирические моды лазера с низкодобротным резонатором // Изв. вузов. Радиофизика. 2018. Т. 61, № 11. С. 906–936.

• Селезнев А.Ф., Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Моделирование сложных систем по наблюдаемым данным на основе рекуррентных искусственных нейронных сетей // Изв. вузов. Радиофизика. 2018. Т. 61, № 12. С. 1005–1021.

Conference proceedings (total=2):

• А.С. Гаврилов, Д.Н. Мухин, А.М. Фейгин. Байесов подход к реконструкции климатических систем по временным рядам на примере модели явления Эль-Ниньо. "Состав атмосферы. Атмосферное электричество. Климатические эффекты: труды XIV Всероссийской школы конференции молодых ученых", Нижний Новгород: Институт прикладной физики РАН, 2010, 164 с.

• А.С. Гаврилов, Д.Н. Мухин, Е.М. Лоскутов, А.М. Фейгин. Применение стохастического моделирования для реконструкции  по временным рядам модели явления Эль-Ниньо средней сложности. "Состав атмосферы. Атмосферное электричество. Климатические эффекты : труды XVI Международной школы-конференции молодых ученых", Москва: Институт физики атмосферы им. А. М. Обухова РАН, 2012, 232 с., с. 92-95. 

Conference reports (total=48)

• Селезнев А.Ф., Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М.  Эмпирическое моделирование динамики колебания Эль-ниньо: структурная устойчивость и бифуркации стохастических моделей . V Всероссийская конференция с международным участием "Турбулентность, динамика атмосферы и климата", г. Москва, 19–21 ноября 2024.

• Сафонов С.Е., Гаврилов А.С., Мухин .Д.Н. Применение рекуррентных нейронных сетей для анализа динамики атмосферных режимов средних широт. V Всероссийская конференция с международным участием "Турбулентность, динамика атмосферы и климата", г. Москва, 19–21 ноября 2024.

• А.С. Гаврилов, А.М. Фейгин. Выделение вынужденного отклика и собственной изменчивости в ансамблях климатических реализаций.  XXI научная школа "Нелинейные волны-2024", г. Нижний Новгород, 5-11 ноября 2024.

• Е. М. Лоскутов, П. А. Мурзина, Д. Н. Мухин, А. С. Гаврилов. Эмпирический подход к исследованию совместной динамики океанов.  XXI научная школа "Нелинейные волны-2024", г. Нижний Новгород, 5-11 ноября 2024.

• А. Ф. Селезнев, А. С. Гаврилов, Д. Н. Мухин, Е. М. Лоскутов, А. М. Фейгин. Структурная устойчивость и бифуркации эмпирических стохастических моделей колебания Эль-Ниньо.  XXI научная школа "Нелинейные волны-2024", г. Нижний Новгород, 5-11 ноября 2024.

• П. А. Мурзина, Е. М. Лоскутов, Д. Н. Мухин, А. С. Гаврилов. Исследование характеристик совместной динамики Тихого и Индийского океанов по данным модели Земной системы ИВМ РАН (INMCM6).  XXI научная школа "Нелинейные волны-2024", г. Нижний Новгород, 5-11 ноября 2024.

• С. Е. Сафонов, А. С. Гаврилов, Д. Н. Мухин. Применение рекуррентных нейронных сетей к анализу режимов динамики атмосферы средних широт.  XXI научная школа "Нелинейные волны-2024", г. Нижний Новгород, 5-11 ноября 2024.

• А.С. Гаврилов, А.М. Фейгин. Применение метода линейных динамических мод к мультимодельным ансамблям климатических реализаций, Международная конференция по измерениям, моделированию и информационным системам для изучения окружающей среды ENVIROMIS-2024, 1-6 июля 2024.

• Е.М. Лоскутов, А.С. Гаврилов, М.Н. Буянова. Анализ модового состава приповерхностной температуры воздуха в МЗС ИВМ РАН, Международная конференция по измерениям, моделированию и информационным системам для изучения окружающей среды ENVIROMIS-2024, 1-6 июля 2024.

• П.А. Мурзина,  Е.М. Лоскутов,  Д.Н. Мухин,  А.С. Гаврилов. Исследование связей между динамикой температуры поверхности Тихого и Индийского океанов с помощью эмпирического моделирования, Международная конференция по измерениям, моделированию и информационным системам для изучения окружающей среды ENVIROMIS-2024, 1-6 июля 2024.

• С.Е. Сафонов,  Д.Н. Мухин,  А.С. Гаврилов. Новый метод анализа воспроизводимости динамики ЭНЮК моделями земной системы, Международная конференция по измерениям, моделированию и информационным системам для изучения окружающей среды ENVIROMIS-2024, 1-6 июля 2024.

• Сафонов С.Е., Мухин Д.Н., Гаврилов А.С. Новый метод диагностики качества симуляции явления Эль-Ниньо глобальными климатическими моделями, Изменения климата: причины, риски, последствия, проблемы адаптации и регулирования (КЛИМАТ–2023), Москва,  9–13 октября 2023.

• Самойлов Р.С., Мухин Д.Н., Гаврилов А.С. Реконструкция динамических систем в форме оптимальных скрытых марковских моделей по данным наблюдений как инструмент прогноза поведения и анализа динамических свойств системы, Изменения климата: причины, риски, последствия, проблемы адаптации и регулирования (КЛИМАТ–2023), Москва,  9–13 октября 2023.

• Буянова М., Гаврилов А., Мухин Д. Выделение глобальных мод климата по данным модели ИВМ РАН, Вычислительно-информационные технологии для наук об окружающей среде (CITES-2023), Москва, 13-23 июня 2023.

• Мухин Д.Н., Селезнев А.Ф., Гаврилов А.С. Реконструкция динамических переменных, описывающих межгодовую динамику Эль-Ниньо, по данным теплосодержания океана, XXIX Международный Cимпозиум “Оптика атмосферы и океана. Физика атмосферы”, Москва, 26-30 июня 2023.

• Фейгин А.М., Гаврилов А.С., Кравцов С.В., Буянова М.Н., Мухин Д.Н., Лоскутов Е.М. Выделение мод вынужденной и собственной изменчивости в климатических моделях по ансамблю реализаций. Турбулентность, динамика атмосферы и климата 2022, Москва, 22-24 ноября 2022.

• Лоскутов Е.М., Вдовин В.В., Клиньшов В.В., Гаврилов А.С., Мухин Д.Н., Фейгин А.М. Оценка интервальной устойчивости климата среднего Плейстоцена при помощи эмпирической модели. Турбулентность, динамика атмосферы и климата 2022, Москва, 22-24 ноября 2022.

• Мухин Д.Н., Сафонов С. Е., Гаврилов А.С. Разработка агентной модели для моделирования поведения общества в условиях эпидемий.  XX научная школа "Нелинейные волны-2022", г. Нижний Новгород, 7-13 ноября 2022.

• Самойлов Р. С., Гаврилов А.С. Исследование неопределенности решения при эмпирической реконструкции динамических систем.  XX научная школа "Нелинейные волны-2022", г. Нижний Новгород, 7-13 ноября 2022.

• Гаврилов А.С., Буянова М.Н., Кравцов С.В., Мухин Д.Н. Идентификация вынужденной и собственной динамики в глобальных климатических моделях по ансамблю испытаний, Международная конференция и школа молодых ученых по измерениям, моделированию и информационным системам для изучения окружающей среды ENVIROMIS-2022, 12-17 сентября 2022.

• Фейгин А.М., Селезнев А.Ф., Мухин Д.Н., Гаврилов А.С. Исследование законов динамики Эль-Ниньо Южного колебания в данных в глобальных климатических моделях, Международная конференция и школа молодых ученых по измерениям, моделированию и информационным системам для изучения окружающей среды ENVIROMIS-2022, 12-17 сентября 2022.

• Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Связь долгопериодной изменчивости атмосферы средних широт с межгодовыми климатическими модами, XXVII Международный Cимпозиум “Оптика атмосферы и океана. Физика атмосферы”, 5-9 июля 2021.

• Селезнев А.Ф., Гаврилов А.С., Мухин Д.Н., Фейгин А.М. Реконструкция изменчивости Североатлантического колебания и ее отклика на антропогенные воздействия с помощью эмпирических стохастических моделей на основе искусственных нейронных сетей, XXVII Международный Cимпозиум “Оптика атмосферы и океана. Физика атмосферы”, 5-9 июля 2021.

• Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Долгопериодная изменчивость атмосферы средних широт: связь с межгодовыми климатическими модами. Всероссийская конференция, посвященная 100–летию М. А. Петросянца "М.А.Петросянц и отечественная метеорология". Москва, 21-22 ноября 2019. https://meteo-petrosyanc.ru/

• Гаврилов А.С., Селезнев А.Ф, Мухин Д.Н., Лоскутов Е.М., Куртц Ю., Фейгин А.М. Новый подход к эмпирическому моделированию и прогнозу явления Эль-Ниньо. Всероссийская конференция, посвященная 100–летию М. А. Петросянца "М.А.Петросянц и отечественная метеорология". Москва, 21-22 ноября 2019. https://meteo-petrosyanc.ru/

• Селезнев А.Ф., Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Приложение искусственных нейронных сетей к анализу атмосферной динамики в средних широтах. Всероссийская конференция, посвященная 100–летию М. А. Петросянца "М.А.Петросянц и отечественная метеорология". Москва, 21-22 ноября 2019. https://meteo-petrosyanc.ru/

• Мухин Д.Н., Гаврилов А.С., Лоскутов Е.М., Фейгин А.М. Нелинейный подход к реконструкции мод климатической изменчивости по данным наблюдений. Нелинейные волны – 2018, Нижний Новгород, 26 февраля – 4 марта 2018.

• Лоскутов Е.М., Мухин Д.Н., Гаврилов А.С., Вдовин В.В., Фейгин А.М. Эмпирическое исследование динамики климата Земли в Плейстоцене. Нелинейные волны – 2018, Нижний Новгород, 26 февраля – 4 марта 2018.

• Гаврилов А.С., Селезнев А.Ф., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Новые переменные для эмпирической прогностической модели Эль-Ниньо. Нелинейные волны – 2018, Нижний Новгород, 26 февраля – 4 марта 2018, c. 27–29.

• Кочаровская Е.Р., Гаврилов А.С., Лоскутов Е.М., Мухин Д.Н., Селезнев А.Ф. Пространственно-временные эмпирические моды в импульсных режимах генерации сверхизлучающего лазера с непрерывной накачкой. Нелинейные волны – 2018, Нижний Новгород, 26 февраля – 4 марта 2018.

• Селезнев А.Ф., Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Моделирование сложных систем по наблюдаемым данным на основе динамических искусственных нейронных сетей. Нелинейные волны – 2018, Нижний Новгород, 26 февраля – 4 марта 2018.

• А.С.Гаврилов, Д.Н.Мухин, Е.М.Лоскутов, А.М.Фейгин. Анализ многолетней климатической изменчивости с помощью метода нелинейных мод. XXI Всероссийская школа-конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы», 6-10 июня 2017, Борок.

• А.Ф. Селезнев, А.С. Гаврилов, Д.Н. Мухин, Е.М. Лоскутов, А.М. Фейгин. Эмпирическое прогнозирование изменчивости Эль-Ниньо с использованием метода нелинейных динамических мод. XXI Всероссийская школа-конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы», 6-10 июня 2017, Борок.

• А.С. Гаврилов, Е.Р. Кочаровская, В.В. Кочаровский, Вл.В. Кочаровский, Е.М. Лоскутов, Д.Н. Мухин, А.М. Фейгин. Динамический спектр сверхизлучающих лазеров и эмпирические моды с переменной пространственно-временной структурой.  5-й Российский симпозиум с международным участием "Полупроводниковые лазеры: физика и технология", Санкт-Петербург, 15-18 ноября 2016.

• Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Построение вложения для эмпирических прогностических климатических моделей. МАПАТЕ-2016, Нижний Новгород, 24-26 мая 2016.

• Селезнев А.Ф., Гаврилов А.С., Мухин Д.Н. Эмпирическое моделирование динамики Эль-Ниньо. МАПАТЕ-2016, Нижний Новгород, 24-26 мая 2016.

• Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Построение многомерных нелинейных динамических мод пространственно‐распределенных систем. Нелинейные волны – 2016, Нижний Новгород, 27 февраля – 4 марта 2016.

• А.С.Гаврилов, Д.Н.Мухин, Е.М.Лоскутов, А.М.Фейгин. Анализ нелинейных мод поверхностной температуры океана. 19-я Международная школа-конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы», 25 - 29 мая 2015, Шепси, Россия.

• А.С.Гаврилов, Д.Н.Мухин, Е.М.Лоскутов, А.М.Фейгин. Нелинейные климатические моды: постановка задачи и первые результаты. XVIII Всероссийская школа-конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы», 29 сентября - 3 октября 2014, Борок.

• А.С.Гаврилов, Д.Н.Мухин, Е.М.Лоскутов, А.М.Фейгин. Эмпирическое описание эволюции климата: климатические моды. XVII Всероссийская школа-конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы», 23-25 сентября 2013, Нижний Новгород.

• Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Построение климатических мод по пространственно-распределенным временным рядам с помощью метода M-SSA. X Международная школа-конференция "Хаотические автоколебания и образование структур" (ХАОС-2013), 7-12 октября 2013, Саратов.

• Мухин Д.Н., Гаврилов А.С., Лоскутов Е.М., Фейгин А.М. Эмпирические прогностические модели климата. Саратов: ООО "Издательский центр "Наука" ISBN 9778-5-9999-1771-3. Материалы X Международной школы-конференции "Хаотические автоколебания и образование структур" (ХАОС-2013), 7-12 октября 2013, Саратов, с. 114.

• А.С. Гаврилов, Д.Н. Мухин, Е.М. Лоскутов, А.М. Фейгин. Стохастический подход к реконструкции динамических систем: критерий выбора оптимальной модели. Научная школа «Нелинейные волны — 2012»

• Гаврилов А.С., Мухин Д.Н., Лоскутов Е.М., Фейгин А.М. Применение стохастического моделирования для реконструкции  по временным рядам модели явления Эль-Ниньо средней сложности. XVI международная конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы», 28 мая - 1 июня 2012, Звенигород.

• Мухин Д.Н., Лоскутов Е.М., Гаврилов А.С., Фейгин А.М. Построение прогностических моделей климатических систем: прогноз критических переходов в динамике Эль-Ниньо. Тезисы докладов: XVI международная конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы», 28 мая - 1 июня 2012, Звенигород, с. 29. 

• А.С. Гаврилов, Д.Н. Мухин, А.М. Фейгин. Стохастический подход  к прогнозу эволюции климатических систем по временным рядам: приложение к динамике явления Эль-Ниньо. XV Всероссийская школа-конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические процессы» (САТЭП-2011), 30 мая - 4 июня 2011, Борок.

• А.С. Гаврилов, Е.М. Лоскутов, Д.Н. Мухин, А.М. Фейгин. Использование стохастических моделей для реконструкции высокоразмерных систем и прогноза качественных изменений. 9-я Международная школа «Хаотические автоколебания и образование структур» (ХАОС-2010)

• А.С. Гаврилов, Д.Н. Мухин, А.М. Фейгин. Байесов подход к реконструкции климатических систем по временным рядам на примере модели явления Эль-Ниньо. 14-я Всероссийская школа-конференция молодых ученых «Состав атмосферы. Атмосферное электричество. Климатические эффекты» (МАПАТЭ-2010), 18-21 Мая 2010, Нижний Новгород.