Extracting Knowledge From Time Series: An Introduction to Nonlinear Empirical Modeling

این کتاب به این سؤال اساسی می‌پردازد که چگونه می‌توان مدل‌های ریاضی را برای تکامل سیستم‌های دینامیکی از سری‌های زمانی به‌دست‌آمده تجربی ساخت. این بر سیگنال‌های آشفته و مدل‌سازی غیرخطی تأکید می‌کند و رویکردهای مختلف برای پیش‌بینی تکامل سیستم آینده را مورد بحث قرار می‌دهد. به طور خاص، به خوانندگان می آموزد که چگونه معادلات مدل تفاوت و دیفرانسیل را بسته به مقدار اطلاعات پیشینی موجود در سیستم علاوه بر مجموعه داده های تجربی، بسازند. این کتاب برای دانشجویان فارغ التحصیل و محققین تمام علوم طبیعی که به دنبال مقدمه ای مستقل و کامل با این موضوع هستند، مفید خواهد بود.

This book addresses the fundamental question of how to construct mathematical models for the evolution of dynamical systems from experimentally-obtained time series. It places emphasis on chaotic signals and nonlinear modeling and discusses different approaches to the forecast of future system evolution. In particular, it teaches readers how to construct difference and differential model equations depending on the amount of a priori information that is available on the system in addition to the experimental data sets. This book will benefit graduate students and researchers from all natural sciences who seek a self-contained and thorough introduction to this subject.