论文部分内容阅读
如何准确识别复杂非线性动力系统和网络重构中的因果性和本征时滞是非常有挑战性的任务。一种新设计的方法和指标可以用于探测各种类型的时滞。该方法不仅何可用于相互作用的动力系统，也可以用于自耦合系统。该方法的验证在各类模型上进行了验证，如物理、生物、生态以及真实数据。特别需要指出，在用于空气污染和医院病人收住人数的数据时，改方法探测出以前未能被发现的隐藏时滞。我们希望该方法可以用于一大类系统。另外，我们希望有一种新的方法，可以在复杂网络中，对多重、复合因果性进行辨别。在多个因果性影响中，辨别出最主要的影响因素。另外，在因果性影响链条中，准确区分直接影响和间接影响，这些都是我们希望做到的。