NMPC图作为非线性、多变量、动态与递归系统因果建模通用模式导论（侧重时间序列预测）
系统与控制
2017-01-18 v3
摘要
尽管物理学与工程科学诸多领域通过基于精确基本物理定律应用常微分方程组从系统行为的准确时间序列预测中获益，此类方法几乎无法被其他精确数学基本定律未知的科学学科所采纳。一种新的建模模式NMPC图，开启了在基础定律仅知为参数间定性关系而精确数学性质在建模时未明领域的跨学科通用非线性、多变量、动态与递归因果建模的可能性。NMPC图的符号保持简单，适合无高等数学技能的分析师。本文给出NMPC图建模方法及其六类组件的定义。进一步，展示如何借助机器学习，结合历史校准数据，解决从任意NMPC图导出非线性常微分方程系统的逆问题。本文还讨论此类导出的NMPC模型如何用于假设检验与时间序列预测，期望相较常规预测方法获得预测精度。
引用
@article{arxiv.1511.00319,
title = {An introduction to the NMPC-Graph as general schema for causal modelling of nonlinear, multivariate, dynamic, and recursive systems with focus on time-series prediction},
author = {Christoph Jahnz},
journal= {arXiv preprint arXiv:1511.00319},
year = {2017}
}
备注
29 pages, containing glossary