×
萨尔塞多·桑兹（Salcedo-Sanz），S。;卡西利亚斯·佩雷斯，D。;德尔塞尔，J。;卡萨诺瓦·马特奥，C。;库亚德拉，L。;桩，M。;坎普斯·瓦尔斯，G。

复杂系统中的持久性。 （英语） Zbl 1514.81096号

物理学。代表。 957, 1-73 (2022).
摘要：持久性是许多复杂系统在本质上的一个重要特征，与系统在转换到另一个状态之前保持特定状态的时间有关。复杂系统持久性的研究涉及不同的定义和使用不同的技术，这取决于是考虑短期持久性还是长期持久性。本文讨论了复杂系统中持久性的最重要定义、概念、方法、文献和最新结果。首先，给出了短期和长期情况下最常用的持久性定义。然后在这两种情况下讨论了表征持久性的最相关方法。还进行了完整的文献综述。我们还介绍并讨论了一些有关持久性的相关结果，并在不同的详细案例研究中提供了短期和长期持久性表现的实证证据。对持久性未来的展望结束了这项工作。

引用于4文件

MSC公司：

81页68 量子计算
2012年第68季度 计算理论中的量子算法和复杂性
86A10美元 气象学和大气物理学
68T05型 人工智能中的学习和自适应系统
68T07型 人工神经网络与深度学习
91E40型 心理学中的记忆和学习
81-02 与量子理论有关的研究博览会（专著、调查文章）

关键词：

坚持不懈;复杂系统;系统状态;长期和短期方法;大气与气候;可再生能源;经济;复杂网络;优化和规划;机器学习;神经网络;神经科学;记忆;适应

软件：

NNSYSID（NNSYSID）;MemNet网站;长备忘录;张紧器2传感器;改革者
PDF格式BibTeX公司 XML格式引用
\textit{S.Salcedo-Sanz}等人，《物理学》。代表957，1-73（2022；Zbl 1514.81096）
全文： 内政部 arXiv公司
OA许可证

参考文献：

[1] Batabyal，A.A.，《生态经济系统的持续性：替代措施及其性质》，《科学年鉴》。，37, 323-336 (2003)
[2] Witt，A。；Malamud，B.D.，《地球物理时间序列中长期持续性的量化：传统和基于基准的改进技术》，Surv。地球物理学。，34, 5, 541-651 (2013)
[3] 阿联酋邦德。；Havlin，S.，幂律在大气和海洋中的持久性，Phys。A.统计力学。申请。，314, 1, 15-24 (2002) ·Zbl 1001.86004号
[4] 格雷夫斯，T。；Gramacy，R。；Watkins，N。；Franzke，C.，《大气中的长期持久性：气候模型的全球法则和测试》，《熵》，19，437（2017）
[5] Peng，C.-K。；Buldyrev，S.V。；哈夫林，S。；西蒙斯，M。；斯坦利，H.E。；Goldberger，A.L.，DNA核苷酸的镶嵌组织，物理学。E版，49、2、1685（1994年）
[6] Peng，C.-K。；哈夫林，S。；斯坦利，H.E。；Goldberger，A.L.，非平稳心跳时间序列中标度指数和交叉现象的量化，混沌：互斥。非线性科学杂志。，5, 1, 82-87 (1995)
[7] 胡克。；伊万诺夫，P.C。；陈，Z。；Carpena，P。；Stanley，H.E.，趋势对去趋势波动分析的影响，物理。E版，64，1，第011114条，pp.（2001）
[8] Lesne，A。；Laguös，M.，《尺度不变性：从相位转换到湍流》（2011），Springer Science&amp；商业媒体
[9] 普拉特，N。；施皮格尔，E。；Tresser，C.，《时断时续：爆裂的机制》，Phys。修订版Lett。，70, 3, 279 (1993)
[10] 盒子，通用电气。；詹金斯，G.M。；Reinsel，G.C.公司。；Ljung，G.M.，时间序列分析：预测与控制（2015），John Wiley&amp；amp；儿子
[11] Widmer，G。；Kubat，M.，《在概念漂移和隐藏背景下学习》，马赫。学习。，23, 1, 69-101 (1996)
[12] 伽马，J.a。；《狮子座》，I。；Bifet，A。；Pechenizkiy，M。；Bouchachia，A.，概念漂移适应调查，ACM计算。调查。，46, 4, 1-37 (2014) ·Zbl 1305.68141号
[13] 科明，C.H。；佩隆，T。；席尔瓦，F.N。；Amancio，D.R。；罗德里格斯，F.A。；Costa，L.d.F.，《复杂系统：特征、相似性和连通性》，《物理学》。代表（2020年）·Zbl 1472.90020号
[14] Panchev，S。；Tsekov，M.，日地现象中持久性和动力学混沌的经验证据，J.Atmos。解决方案-地球。物理。，69, 17-18, 2391-2404 (2007)
[15] Grau Carles，P.，股票收益的长期幂律相关性，Phys。A.统计力学。申请。，299, 3-4, 521-527 (2001) ·Zbl 0972.91055号
[16] 卡纳雷拉，G。；Miller，S.M.，《通货膨胀目标与通货膨胀持续性：来自分数积分与协整的新证据》，J.Econ。公交车。，92, 45-62 (2017)
[17] 邹毅。；R.V.唐纳。；北卡罗来纳州马尔旺。；Donges，J.F。；Kurths，J.，非线性时间序列分析的复杂网络方法，Phys。众议员，787，1-97（2019）
[18] 牧师萨托拉斯，R。；卡斯特拉诺，C。；Van Mieghem，P。；Vespignani，A.，复杂网络中的流行病过程，修订版。物理。，87, 3, 925 (2015)
[19] Koçak，K.，评估风速持续性的实用方法，能源，33，1，65-70（2008）
[20] 沃扬特，C。；诺顿，G.，《随机持续性的太阳辐射即时预报：一种新的简约、简单和有效的预报工具》，Renew。维持。《能源评论》，92，343-352（2018）
[21] Pelletier，J.D。；Turcotte，D.L.，《气候和水文时间序列中的长期持续性：分析、建模和在干旱灾害评估中的应用》，J.Hydrol。，203, 1, 198-208 (1997)
[22] Yang，L.等人。；Fu，Z.，降水记录中的过程依赖性持久性，Phys。A.统计力学。申请。，527，第121459条pp.（2019）
[23] Majumdar，S.N.，非平衡系统中的持久性，当代科学。，370-375 (1999)
[24] 布朗，G.G。；戴尔，R.F。；Wood，R.K.，《优化与持久性，界面》，27，5，15-37（1997）
[25] Dmowska，R。；Saltzman，B.，《地球物理学进展：地球物理时间序列中的长期持续性》（1999），学术出版社
[26] Jimenez，A。；Tiampo，K。；莱文，S。；Posadas，A.，《测试地震目录中的持久性：伊比利亚半岛，欧罗普西》。莱特。，73, 2, 171 (2005)
[27] DePetrillo，P.B。；d’Armond Speers，K。；Ruttimann，U.E.，确定分形时间序列的hurst指数及其在心电图分析中的应用，计算。《生物医学》，29，6，393-406（1999）
[28] Beran，J.，《长记忆过程统计》（1994），CRC出版社·Zbl 0869.60045号
[29] 奈奎斯特，H.，《电报传输理论的某些主题》。美国电气学会。工程师，47，2617-644（1928）
[30] Matheron，G.，《地质统计学原理》，经济学。地质。，58, 8, 1246-1266 (1963)
[31] Hebb，D.O.，行为的组织；神经心理学理论，Wiley Book Clin。心理医生。，62, 78 (1949)
[32] Little，W。；Shaw，G.L.，《短期和长期记忆的统计理论》，Behav。生物学，14，2，115-133（1975）
[33] 魏根德，A.S。；Gershenfeld，N.A.，《时间序列预测》。预测未来，了解过去。1992年5月14日至17日在新墨西哥州圣达菲举行的北约比较时间序列分析高级研究研讨会论文集。《程序集》第十五卷（1994年），Addison-Wesley
[34] Haykin，S.，《神经网络：综合基金会》（1999），普伦蒂斯·霍尔：美国新泽西州普伦蒂斯霍尔·Zbl 0934.68076号
[35] 诺加德，M。；俄亥俄州拉文。；Poulsen，N.，NNSYSID&NNCTRL-神经网络系统识别和控制工具，IEE Compute。《控制工程杂志》，12，1，29-36（2001）
[36] Ljung，L.，《系统识别》。Theory For The User（1999），Prentice-Hall International，Inc.：普伦蒂斯·霍尔国际公司，美国新泽西州。
[37] Wan，E.A.，有限脉冲响应神经网络及其在时间序列预测中的应用（1993年），斯坦福大学电气工程系，网址：http://www.ece.ogi.edu/埃里克旺/
[38] Waibel，A。；Hanazawa，T。；辛顿，G。；Shikano，K。；Lang，K.，利用时滞神经网络进行音素识别，IEEE Trans。阿库斯特。语音信号处理。，37, 328-339 (1989)
[39] E.A.Wan，《用神经网络建模非线性动力学：时间序列预测示例》，载于：《第五届神经网络研讨会论文集：学术/工业/NASA/国防》，WNN93/FNN93，美国旧金山，1993年，第327-332页，在线阅读。
[40] 德弗里斯，B。；Principe，J.C.，《伽玛模型-时间处理的新神经模型》，神经网络。，5, 4, 565-576 (1992)
[41] 普林西比，J.C。；设备，B。；deOliveira，P.G.，Gamma滤波器-一类新的具有限制反馈的自适应IIR滤波器，IEEE Trans。信号处理。，41, 2, 649-656 (1993) ·Zbl 0825.93878号
[42] Hochreiter，S。；Schmidhuber，J.，长短期记忆，神经计算。，9, 8, 1735-1780 (1997)
[43] Takeuchi，T。；Duszkiewicz，A.J。；Morris，R.G.，《突触可塑性和记忆假说：编码、储存和持久性》，菲尔译。R.Soc.B：生物。科学。，369，1633，文章201300288 pp.（2014）
[44] Elman，J.L.，《发现时间中的结构》，Cogn。科学。，14, 179-211 (1988)
[45] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，《通过反向传播错误学习表征》，《自然》，3236088533-536（1986）·Zbl 1369.68284号
[46] Werbos，P.J.，《穿越时间的反向传播：它做什么和如何做》，Proc。美国电气工程师协会，78，101550-1560（1990）
[47] 舒斯特，M。；Paliwal，K.K.，双向递归神经网络，IEEE Trans。信号处理。，45, 11, 2673-2681 (1997)
[48] A.Vaswani、N.Shazeer、N.Parmar、J.Uszkoreit、L.Jones、A.N.Gomez，Ł。Kaiser，I.Polosukhin，《注意力是你所需要的一切》，载于：《神经信息处理系统进展》，2017年，第5998-6008页。
[49] 王，Q。；刘，S。；查努索特，J。；Li，X.，VHR遥感图像经常关注的场景分类，IEEE Trans。地质科学。遥感，57，2，1155-1167（2018）
[50] M.Jaderberg、K.Simonyan、A.Zisserman等人，《空间变压器网络：神经信息处理系统的进展》，2015年，第2017-2025页。
[51] 北卡罗来纳州基塔耶夫。；凯撒，Ł。；Levskaya，A.，《改革者：高效变压器》（2020），arXiv预印本arXiv:2001.04451
[52] Y.Tai，J.Yang，X.Liu，C.Xu，Memnet：用于图像恢复的持久存储网络，in：Proc。IEEE国际计算机视觉会议，2017年，第4539-4547页。
[53] A.Santoro、S.Bartunov、M.Botvinick、D.Wierstra、T.Lillicrap，《使用记忆增强神经网络的元学习》，载于：2016年国际机器学习会议，第1842-1850页。
[54] Jankowski，N。；杜赫，W。；Grabczewski，K.，《计算智能中的元学习》（2011），施普林格出版社·Zbl 1231.68026号
[55] Carleo，G。；西拉克，I。；克兰默，K。；Daudet，L。；舒尔德，M。；蒂什比，N。；Vogt-Maranto，L。；Zdeborová，L.，《机器学习与物理科学》，修订版。物理。，第91、4条，第045002页（2019年）
[56] Moreno-Torres，J.G。；Raeder，T。；阿莱兹·罗德里格斯，R。；查拉，N.V。；Herrera，F.，关于分类中数据集转移的统一观点，模式识别。，45, 1, 521-530 (2012)
[57] 韦伯，G.I。；海德，R。；曹，H。；Nguyen，H.L。；Petitjean，F.，描述概念漂移，Data Min Knowl。发现。，30, 4, 964-994 (2016) ·Zbl 1411.68127号
[58] Krawczyk，B。；Minku，L.L。；伽马，J.a。；Stefanowski，J。；Woźniak，M.，《数据流分析的集成学习：调查》，Inf.Fusion，37，132-156（2017）
[59] A.J.布雷。；马朱姆达尔，S.N。；Schehr，G.，《非平衡系统中的持久性和首次通过特性》，高级物理学。，62, 3, 225-361 (2013)
[60] Iyer-Biswas，S。；Zilman，A.，《细胞生物学中的第一代过程》（2015），arXiv预印本arXiv:153.00291
[61] 奥扎达，F。；Simon，T.，持久性概率和指数，（Lévy Matters V（2015），Springer），183-224·Zbl 1338.60077号
[62] 苏尔，C。；马朱姆达尔，S.N。；Rüdinger，A.，随机行走持久性的分析结果，Phys。E版，61、2、1258（2000）
[63] Mudelsee，M.，气候时间序列分析（2013），施普林格
[64] Belitsky，P.，Neoral用于肾移植受者，移植。程序。，32，3A补充审查，S10-S19（2000）
[65] 利维，G。；伯拉，P。；卡瓦拉里。；Duvoux，C。；莱克，J。；Mayer，A.D.，基于2小时给药后水平（C2）使用环孢素监测改善肝移植受者的临床结果，移植，73，6，953-959（2002）
[66] Brier，M.E.，使用时间序列神经网络对环孢素的经验药代动力学预测，Pharm.Res.，12，S363（1995）
[67] Camps-Valls，G。；Soria-Olivas，E。；Pérez-Ruixo，J。；Artés-Rodríguez，A。；Pérez-Cruz，F。；Figueiras Vidal，A.，使用聚类和支持向量回归方法预测环孢菌素浓度，IEE电子。莱特。，38, 6, 568-570 (2002)
[68] Camps-Valls，G。；波尔塔·奥尔特拉，B。；Soria-Olivas，E。；马丁·格雷罗，J。；Serrano-López，A。；Pérez-Ruixo，J。；Jiménez-Torres，N.，使用神经网络预测肾移植后患者的环孢素剂量，IEEE Trans。生物识别。工程，50，4，442-448（2003）
[69] Oellerich，M。；阿姆斯特朗，V.W。；卡汉，B。；Shaw，L。；霍尔特，D.W。；Yatscoff，R。；Lindholm，A。；Halloran，P。；加里卡诺，K。；Wonigeit，K.，Lake louise器官移植环孢素监测共识会议：共识小组报告，Ther。药物监测。，17, 642-654 (1995)
[70] Hurst，H.E.，《水库长期蓄水量》，交通部。美国社会公民。工程，116770-799（1951）
[71] 马拉默德，B.D。；Turcotte，D.L.，《自仿射时间序列：弱持久性和强持久性的度量》，J.Stat.Plan。推理，80，1-2，173-196（1999）·兹比尔1045.62529
[72] 坎特哈德，J.W。；科斯切尔尼-邦德，E。；Rego，H.H。；哈夫林，S。；Bunde，A.，用趋势波动分析检测长期相关性，Phys。A.统计力学。申请。，295, 3, 441-454 (2001) ·Zbl 0978.37057号
[73] 布莱斯，R。；Sprague，K.，《重温趋势波动分析》，科学。众议员，2135（2012）
[74] 坎特哈德，J.W。；Zschiegner，S.A。；科斯切尔尼-邦德，E。；哈夫林，S。；Bunde，A。；Stanley，H.，非平稳时间序列的多重分形趋势波动分析，物理学。A.统计力学。申请。，316, 1, 87-114 (2002) ·Zbl 1001.62029号
[75] 格罗斯曼，A。；Morlet，J.，将Hardy函数分解为常形状的平方可积小波，SIAM J.Math。分析。，15, 4, 723-736 (1984) ·Zbl 0578.42007号
[76] Daubechies，I.，紧支撑小波的正交基，Comm.Pure Appl。数学。，41, 7, 909-996 (1988) ·Zbl 0644.42026号
[77] Falconer，K.，《分形几何：数学基础与应用》（2003），J.Wiley&amp；儿子·Zbl 1060.28005号
[78] Li，M.，分形时间序列-教程回顾，数学。问题。工程，2010（2010）·Zbl 1191.37002号
[79] Mandelbrot，B.B.，《自然的分形几何》（1982），W.H.Freeman·Zbl 0504.28001号
[80] Bassingthwaighte，J.B。；Bever，R.P.，异质系统中的分形相关性，Physica D，53，1，71-84（1991）·Zbl 0737.92005号
[81] 马拉默德，B.D。；Turcotte，D.L.，《自仿射时间序列：弱持久性和强持久性的度量》，J.Stat.Plan。推理，80，1-2，173-196（1999）·Zbl 1045.62529号
[82] Gneiting，T。；Schlather，M.，《分离分形维数和赫斯特效应的随机模型》，SIAM Rev.，46，2，269-282（2004）·Zbl 1062.60053号
[83] 北卡罗来纳州。；Halliwell，D.I.，用重标度范围（r/s）技术估计分形维数的偏差，数学。地质。，26, 5, 531-555 (1994)
[84] Liang，Z。；梁，J。；张，L。；王，C。；Yun，Z。；张欣，基于Hilbert-Huang变换和hurst分析的风电多尺度混沌特性分析，应用。能源，159，51-61（2015）
[85] Cadenas，E。；Campos-Amezcua，R。；西里维拉。；Espinosa-Medina，医学硕士。；门德斯·戈迪略，A.R。；Rangel，E。；Tena，J.，《基于赫斯特系数和分形维数分析的风速变异性研究》，《能源科学》。工程，7，2，361-378（2019）
[86] 布雷斯林，M。；Belward，J.，降雨时间序列的分形维数，数学。计算。模拟，48，4，437-446（1999）
[87] 科里亚，C.S。；Schuch，D.A。；Queiroz，A.P.d。；费什，G。；Corría，F.d.N。；Coutinho，M.M.，《远程记忆和分形维数：Alcántara，J.Aerosp的案例研究》。Technol公司。管理。，9, 4, 461-468 (2017)
[88] 格拉斯伯格，P。；Procaccia，I.，《奇怪吸引子的表征》，《物理学》。修订版Lett。，50, 5, 346 (1983)
[89] 格拉斯伯格，P。；Procaccia，I.，《测量奇怪吸引子的奇异性》，《物理学D》，第9期，第189-208页（1983年）·Zbl 0593.58024号
[90] 德拉富恩特，I。；马丁内斯。；Aguirregabiria，J。；Veguillas，J.，R/S分析奇怪吸引子，分形，6，02，95-100（1998）·Zbl 1008.37050号
[91] 麦克唐纳，G.，《气候科技的坚持》。美国能源部代表JSR-91-340（1992）
[92] Katz，R.，《降水作为一个链依赖过程》，J.Appl。美托洛尔。，16, 7, 671-676 (1977)
[93] Mimikou，M.，《利用马尔可夫链改进降水发生率建模的研究》，J.Hydrol。，70, 1-4, 25-33 (1984)
[94] O.Jimoh。；Webster，P.，《尼日利亚日降雨量马尔可夫链模型的最优阶数》，J.Hydrol。，185, 1-4, 45-69 (1996)
[95] L.Cazacioc，E.C.Cipu，《使用马尔可夫链模型评估日降水时间序列的转移概率》，载于：《第三届工程和数值物理国际数学讨论会论文集》，2005年第12卷，第82-92页。
[96] 北卡罗来纳州马塔拉斯。；Sankarasubramanian，A.，《持续性对回归趋势检测的影响》，《水资源》。决议，39、12、1342（2003）
[97] Lennartsson，J。；Baxevani，A。；Chen，D.，使用多步马尔可夫链和复合模型模拟瑞典降水，J.Hydrol。，363, 1-4, 42-59 (2008)
[98] 吉尔伯特，J。；Betts，A.K。；里佐，医学博士。；Beckage，B。；Bomblies，A.，《美国东北部降雨持续性和强度增加的特征》，Geophys。Res.Lett.公司。，42, 6, 1888-1893 (2015)
[99] Paschalis，A。；莫尔纳，P。；Fatichi，S。；Burlando，P.，《关于降水的时间随机建模，跨尺度嵌套模型》，《高级水资源》。，63, 152-166 (2014)
[100] Bloomfield，P.，《全球温度趋势》，Clim。变化，21，1，1-16（1992）
[101] 泽凯，S.，用二阶马尔可夫链进行临界干旱分析，J.Hydrol。，120, 1-4, 183-202 (1990)
[102] Raha，S。；Ghosh，S.K.，《热浪持续时间：使用概率推断的特征描述》，环境计量学，第2626条，pp.（2020）
[103] Delworth，T。；Manabe，S.，《潜在蒸发对模拟土壤湿度和气候变化的影响》，J.Clim。，1, 5, 523-547 (1988)
[104] Delworth，T。；Manabe，S.，《土壤湿度对近地表大气变异性的影响》，J.Clim。，2, 12, 1447-1462 (1989)
[105] Manabe，S。；Delworth，T.，土壤湿度的时间变化及其对气候的影响，气候。变化，16185-192（1990）
[106] Delworth，T。；Manaba，S.，《气候变化和陆面过程》，水资源高级研究所。，16, 1, 3-20 (1993)
[107] 刘，Y。；Avissar，R.，《用四阶分析模型研究陆地大气系统的持久性》，J.Clim。，12, 8, 2154-2168 (1999)
[108] 徐，Z。；舒曼，A。；黄铜，C。；李，J。；Ito，K.，日径流生成的链相关马尔可夫相关脉冲模型，Adv.Water Resour。，24, 5, 551-564 (2001)
[109] Feldstein，S.，遥相关模式的时间尺度、功率谱和气候噪声特性，气候杂志。，13, 24, 4430-4440 (2000)
[110] 科内乔·布诺（Cornejo-Bueno），S。；卡西利亚斯·佩雷斯，D。；科尔内乔·布诺（Cornejo-Bueno，L.）。；Chidean，M.I。；Caamaño，A.J。；Sanz-Justo，J。；卡萨诺瓦·马特奥，C。；Salcedo-Sanz，S.，西班牙瓦拉多利德机场低能见度事件的持续性分析和预测，Symmetry，12，6，1045（2020）
[111] M.Pérez-Ortiz，P.A.Gutiérrez，P.Tino，C.Casanova-Mateo，S.Salcedo-Sanz，预测持续性天气模式的专家混合模型，载于：2018年IEEE国际神经网络联合会议（2018年IJCNN），2018年，第1-8页。
[112] Tsonis，A。；Roebber，P。；Elsner，J.，《温带大气环流中的长程相关性：起源和影响》，J.Clim。，12, 5, 1534-1541 (1999)
[113] Keeley，S.P.E。；Sutton，R.T。；Shaffrey，L.C.，北大西洋涛动是否在季节内时间尺度上表现出异常的持续性？，地球物理学。Res.Lett.公司。，36, 22 (2009)
[114] 阿联酋邦德。；哈夫林，S。；科斯切尔尼-邦德，E。；Schellnhuber，H.-J.，《大气中的长期持久性：气候模型的全球法则和测试》，《物理学》。A.统计力学。申请。，302, 1, 255-267 (2001) ·Zbl 0979.86004号
[115] Rybski，D。；阿联酋邦德。；哈夫林，S。；Von Storch，H.，《气候的长期持续性和检测问题》，地球物理学。Res.Lett.公司。，33, 6 (2006)
[116] 卡帕雷利，V。；Vecchio，A。；Carbone，V.，长期气候现象引起的温度记录的长期持续性，物理学。E版，84，4，第046103条，pp.（2011）
[117] Weatherhead，E。；Gearheard，S.公司。；Barry，R.G.，《天气持续性的变化：因纽特人知识的洞察力》，《全球环境》。变更，20,3523-528（2010）
[118] Vecchio，A。；Carbone，V.，《季节周期的振幅频率波动、温度异常和气候记录的长期持续性》，Phys。修订版E，82，6，第066101条，第（2010）页
[119] 邓，Q。；年，D。；Fu，Z.，在长期历史记录中，年周期的年际变化对地表气温长期持续性的影响，Clim。发电机。，50, 3, 1091-1100 (2018)
[120] Wang，Y。；Yan，P。；季凤。；唐，S。；Yang，L.等人。；胡，S。；冯刚，全球陆地长期地表气温变化的异常趋势，国际气候杂志。，41, 4, 2330-2341 (2021)
[121] López，J。；埃尔南德斯，S。；Urrutia，A。；洛佩斯·科尔特斯，X·A。；Araya，H。；Morales-Salinas，L.，缺失数据对短时间序列的影响及其在通过去趋势波动分析表征地表温度中的应用，计算。地质科学。，153，第104794条pp.（2021）
[122] Sarvan，D。；托希奇，M。；博罗维尼奇，M。；Blesić，S.，基于长期持续性的气候均匀区域温度变化时间序列分类，国际气候杂志。，41, 4, 2660-2678 (2021)
[123] 李，J。；汤普森，D.W.，《气候变化下地表温度持续性的广泛变化》，《自然》，599，7885，425-430（2021）
[124] 甘，Z。；Yan，Y。；齐毅，南海海面温度异常的尺度分析，J.Atmos。海洋。技术。，24, 4, 681-687 (2007)
[125] Breaker，L.C.，加利福尼亚州中部海岸海面温度的长期持续性，《海洋气候杂志》。，第9条，第1759313118791113页（2019年）
[126] 张伟。；赵琴，海表温度异常的非对称长期持续性分析，物理。A.统计力学。申请。，428, 314-318 (2015)
[127] 罗，M。；梁振英。；周，Y。；张伟，全球海表温度的标度行为，J.Clim。，28, 8, 3122-3132 (2015)
[128] 戈文丹，R。；Vjushin博士。；Brenner，S。；阿联酋邦德。；哈夫林，S。；Schellnhuber，H.-J.，《全球气候模型中的长程相关性和趋势：与实际数据的比较》，Phys。A.统计力学。申请。，294, 1-2, 239-248 (2001) ·Zbl 0978.86005号
[129] 搅拌机，R。；Fraedrich，K.，《全球变暖模拟中的长时间记忆》，地球物理学。Res.Lett.公司。，30, 14 (2003)
[130] Rybski，D。；阿联酋邦德。；Von Storch，H.，《1000年模拟温度记录中的长期记忆》，J.Geophys。Res.Atmospheres，113，D2（2008）
[131] 朱，X。；Fraedrich，K。；刘，Z。；Blender，R.，《长期记忆和气候可预测性的证明》，J.Clim。，23, 18, 5021-5029 (2010)
[132] Mann，M.E.，《全球表面温度系列的长期相关性》，Clim。变更，107，3-4，267-276（2011）
[133] 罗伦茨（Lorenz，R.）。；Jaeger，E.B。；Seneviratne，S.I.，《热浪的持续性及其与土壤水分记忆的联系》，地球物理学。Res.Lett.公司。，37, 9 (2010)
[134] Salcedo-Sanz，S。；加米西，P。；桩，M。；沃纳，M。；库亚德拉，L。；Moreno-Martínez，A。；Izquierdo-Verdiguier，E。；穆尼奥斯·玛利，J。；Mosavi，A。；Camps-Valls，G.，《地球观测中的机器学习信息融合：方法、应用和数据源的综合评述》，《信息融合》，63，256-272（2020）
[135] Vyushin，D.I。；库什纳，P。；Zwiers，F.，《气候变异的建模和理解持久性》，地球物理学杂志。Res.Atmospheres，117，D21（2012年）
[136] 库马尔，S。；梅瓦德，V。；Kinter III，J.L。；Niyogi，D.，CMIP5二十世纪气候模拟中的温度和降水趋势以及长期持续性的评估，气候杂志。，26, 12, 4168-4185 (2013)
[137] 月亮，H。；古德蒙德森，L。；Seneviratne，S.I.，《全球气候模型中的干旱持续性误差》，J.Geophys。Res.Atmospheres，123、7、3483-3496（2018年）
[138] 莫内蒂，R.A。；哈夫林，S。；Bunde，A.，《海面温度波动的长期持续性》，Phys。A.统计力学。申请。，320, 581-589 (2003)
[139] Fraedrich，K。；Blender，R.，《观测和气候模型中大气和海洋温度相关性的缩放》，《物理学》。修订版Lett。，第90、10条，第108501页（2003年）
[140] 南卡罗来纳州桑切斯。；Karnauskas，K.B.，过去千年厄尔尼诺事件持续存在的多样性，地球物理学。Res.Lett.公司。，48，18，文章e2021GL093698 pp.（2021）
[141] 巴博萨，S。；费尔南德斯，M。；Silva，M.，北大西洋海平面的长期依赖性，Phys。A.统计力学。申请。，371, 2, 725-731 (2006)
[142] 丹根多夫，S。；Rybski，D。；穆德斯巴赫，C。；米勒，A。；考夫曼，E。；Zorita，E。；Jensen，J.，《海平面长期记忆的证据》，地球物理学。Res.Lett.公司。，41, 15, 5530-5537 (2014)
[143] 阿加瓦尔，S。；Moon，W。；Wettlaufer，J.S.，北极海冰中的趋势、噪音和重新进入者的长期持久性，Proc。R.Soc.A：数学。物理学。工程科学。，468, 2144, 2416-2432 (2012)
[144] Chelani，A.，大气污染物浓度的长记忆特性，Atmos。研究，171，1-4（2016）
[145] Chelani，A.B.，《德里每小时地面臭氧浓度的统计持久性分析》，大气。研究，92，2，244-250（2009）
[146] Vyushin，D。；Shepherd，T。；Fioletov，V.，《关于臭氧总异常持续性的统计建模》，J.Geophys。研究大气，115，D16（2010）
[147] 菲奥列托夫，V.E。；Shepherd，T.G.，中纬度臭氧总异常的季节性持续性，地球物理。Res.Lett.公司。，30, 7 (2003)
[148] 瓦罗特索斯，C。；Ondov，J。；Efstathiou，M.，希腊雅典和马里兰州巴尔的摩大气污染的标度特性。环境。，39, 22, 4041-4047 (2005)
[149] 瓦罗特索斯，C。；Ondov，J。；Cracknell，A。；Efstathiou，M。；Assimakopoulos，M.-N.，全球气溶胶指数动力学中的长程持久性，国际遥感杂志，27，16，3593-3603（2006）
[150] 瓦罗特索斯，C。；Kirk-Davidoff，D.，《60 s-60 n区域臭氧和温度变化中的长记忆过程》，《大气化学》。物理。，6, 12, 4093-4100 (2006)
[151] 接吻，P。；米勒，R。；Jánosi，I.，极外臭氧总量的长程相关性由全球大气环流、非线性过程地球物理决定。，14, 4, 435-442 (2007)
[152] Sun，W。；Hess，P。；刘，C.，气象持续性对臭氧分布和极值的影响，地球物理学。Res.Lett.公司。，44, 3, 1545-1553 (2017)
[153] 刘，Z。；Wang，L。；Zhu，H.，空气污染指数的时间标度特性：以中国上海为例，《大气污染》。第6、5、886-892号决议（2015年）
[154] Lu，F。；袁，N。；傅，Z。；Mao，J.，气象变量波动性的通用标度行为及其与原始记录的关系，Phys。A.统计力学。申请。，391, 20, 4953-4962 (2012)
[155] Matsoukas，C。；伊斯兰，S。；Rodriguez-Iturbe，I.，降雨和径流时间序列的Detrended波动分析，J.Geophys。研究大气，105，D23，29165-29172（2000）
[156] 蒂尔，M。；Kuczera，G.，使用隐态马尔可夫模型对水文气候时间序列的长期持续性进行建模，《水资源》。研究，36，11，3301-3310（2000）
[157] 马尔科尼斯，Y。；Koutsoyiannis，D.，降水记录中持续性的尺度依赖性，自然气候。变更，6，4，399-401（2016）
[158] 马丁内斯，J.L.M。；塞戈维亚·多明格斯，I。；罗德里格斯，智商。；Horta-Rangel，F.A。；Sosa-Gómez，G.，降水多重分形分析的修正多重分形去趋势波动分析（MFDFA）方法，Phys。A.统计力学。申请。，565，第125611条pp.（2021）·Zbl 07464416号
[159] 张，X。；张，G。；邱，L。；张，B。；孙，Y。；桂，Z。；张奇，中国洞庭湖流域降水多重分形分析的修正多重分形去趋势波动分析（MFDFA）方法，水，11，5，891（2019）
[160] Sarker，A。；Mali，P.，《印度降雨记录的Detrended多重分形表征》，混沌孤子分形，151，第111297条，pp.（2021）
[161] Chakraborty，S。；Chattopadhyay，S.，《通过多重分形去趋势波动分析和熵最大化原理探索印度夏季风降雨》，《地球科学》。通知。，1-7 (2021)
[162] 戴伊·P。；Mujumdar，P.P.，降雨和径流持续性的多尺度演化，高级水资源。，121, 285-303 (2018)
[163] Vogel，R.M。；蔡，Y。；Limbrunner，J.F.，美国年径流的区域持续性和可变性，水资源。研究，34，12，3445-3459（1998）
[164] 萨加里卡，S。；卡拉，A。；Ahmad，S.，《评估持久性对长期趋势的影响并分析美国大陆径流的阶跃变化》，J.Hydrol。，517, 36-53 (2014)
[165] 坎特哈德，J.W。；科斯切尔尼-邦德，E。；Rybski，D。；Braun，P。；阿联酋邦德。；Havlin，S.，《降水和河流径流记录的长期持续性和多重分形》，J.Geophys。研究大气，111，D1（2006）
[166] 伊利奥波卢，T。；Koutsoyiannis，D.，揭示最大降雨量记录中隐藏的持久性，Hydrol。科学。J.，64，14，1673-1689（2019）
[167] Wu，W。；袁，N。；谢凤。；Qi，Y.，理解河流径流的长期持续性和多重分形行为：中国东部的详细研究，Phys。A.统计力学。申请。，533，第122042条pp.（2019）
[168] 约万诺维奇，D。；约万诺维奇，T。；梅西亚，a。；哈撒韦，J。；Daly，E.，作为集水区分类指标的城市河流长期持续性损失，Hydrol。地球系统。科学。，22, 6, 3551-3559 (2018)
[169] Wu，Y。；何毅。；吴，M。；卢，C。；高，S。；Xu，Y.，珠江三角洲顶点径流和泥沙波动的多重分形和互相关分析，科学。众议员，8，1，1-11（2018）
[170] 沈，S。；Ye，S。；Cheng，C。；宋，C。；高杰。；杨，J。；宁，L。；苏凯（Su，K.）。；Zhang，T.，中国西北八堡河流域夏季土壤水分动态的持续性及其相应的时间尺度，J.Geophys。《大气研究》，123，178936-8948（2018）
[171] Ghannam，K。；Nakai，T。；Paschalis，A。；Oishi，C.A。；Kotani，A。；Igarashi，Y。；熊井，T。；Katul，G.G.，根区土壤水分动态的持久性和记忆时间尺度，水资源。Res.，52，2，1427-1445（2016）
[172] Nicolai-Shaw，N。；古德蒙德森，L。；Hirschi，M。；Seneviratne，S.I.，《全球土壤水分动态的长期可预测性：持久性与大规模驱动因素》，Geophys。Res.Lett.公司。，43, 16, 8554-8562 (2016)
[173] 圣何塞·马丁内斯，F。；加西亚·古铁雷斯·贝兹，C。；卡尼戈·莫雷尔，F.J。；Peregrina，F.，《半干旱葡萄园耕作和不同覆盖作物下土壤水分时间序列的长期相关性》，《欧洲土壤科学杂志》。，72, 2, 623-634 (2021)
[174] 桑兹，E。；Saa-Requejo，A。；Díaz-Ambrona，C.H。；Ruiz-Ramos，M。；罗德里格斯，A。；伊格莱西亚斯，E。；酯类，P。；Soriano，B。；Tarquis，A.M.，《广义结构函数和多重分形去趋势波动分析在植被指数时间序列中的应用：干旱牧场研究》，熵，23，5，576（2021）
[175] Tatli，H。；Dalfes，H.N.，通过去趋势波动分析的干旱长期记忆，水资源。管理。，34, 3, 1199-1212 (2020)
[176] 米兰，H。；马西亚斯，我。；Rabelo-Lima，J.，Hurst尺度与干旱指标交叉：巴西贝勒姆和马瑙斯的案例研究，Nat.Hazards，1-25（2021）
[177] Sreedevi，V。；Adarsh，S.，印度半岛干旱持续性的时空分析，（气候变化与水安全（2022），斯普林格），253-264
[178] 阿达什，S。；Priya，K.，《利用去趋势波动分析对印度西部干旱的多重分形描述》，（水文极值（2021），斯普林格出版社），133-142
[179] Castillo Botón，C。；卡西利亚斯·佩雷斯，D。；卡萨诺瓦·马特奥，C。；Moreno-Saavedra，L.M。；莫拉莱斯·迪亚斯，B。；Sanz-Justo，J。；古铁雷斯，P。；Salcedo-Sanz，S.，使用机器学习和基于持久性的技术分析和预测水电站水库中的拦洪水位，water，12，6，1528（2020）
[180] 地层学，D。；巴塔斯·比利奇，I。；朱尔德杰维奇，V。；Blesic，S.，《筑坝引起的多瑙河水位和流量的长期特性和自然循环变化》，Phys。A.统计力学。申请。，566，第125607条pp.（2021）
[181] Chamoli，A。；Ram Bansal，A。；Dimri，V.，《长短时间序列hurst系数的小波和重标度范围方法》，计算。地质科学。，33, 1, 83-93 (2007)
[182] Telesca，L。；Colangelo，G。；拉佩纳，V。；Macchiato，M.，《地电数据中的波动动力学：使用多重分形有偏波动分析的研究》，Phys。莱特。A、 332、5-6、398-404（2004）·Zbl 1123.86304号
[183] 瓦罗特索斯，P。；Sarlis，北卡罗来纳州。；Skordas，E.，《断裂前磁场和电场变化的Detrended涨落分析》，《混沌：盘间性》。非线性科学杂志。，第19、2条，第023114页（2009年）
[184] Lee，M.W。；Sornette，D。；Knopoff，L.，断层系统上地震活动的持续性和静止性，Phys。修订版Lett。，83, 20, 4219 (1999)
[185] Aggarwal，S。；洛瓦略，M。；Khan，P。；拉斯托吉，B。；Telesca，L.，《印度西部卡奇地区地震活动震级序列的多重分形去趋势波动分析》，Phys。A.统计力学。申请。，426, 56-62 (2015)
[186] Telesca，L。；Toth，L.，pannonian地震震级序列的多重分形去趋势波动分析，Phys。A.统计力学。申请。，448, 21-29 (2016) ·Zbl 1400.86011号
[187] 瓦罗特索斯，P。；北卡罗来纳州萨利斯。；Skordas，E.，主震前自然时间地震活动的特定尺度有序参数波动，Europhys。莱特。，96, 5, 59002 (2011)
[188] 范，X。；Lin，M.，南加州地震震级序列的多尺度多重分形去趋势波动分析，Phys。A.统计力学。申请。，479, 225-235 (2017)
[189] Flores-Márquez，E.L。；Ramírez-Rojas，A。；Telesca，L.，墨西哥南太平洋地区地震震级序列的多重分形趋势波动分析，应用。数学。计算。，265, 1106-1114 (2015) ·Zbl 1410.86014号
[190] Kataoka，T。；Miyaguchi，T。；Akimoto，T.，地震数据的失谐波动分析（2021），arXiv预印本arXiv:2104.09222
[191] Ren21.可再生能源，Ren21.net（2021）
[192] 科斯塔，A。；克雷斯波，A。；纳瓦罗，J。；利兹卡诺，G。；Madsen，H。；Feitosa，E.，《风力发电短期预测年轻历史回顾》，Renew。维持。《能源评论》，第12、6、1725-1744页（2008年）
[193] Yang，D。；Kleissl，J。；盖马尔，C.A。；佩德罗，H.T。；Coimbra，C.F.，《太阳辐射和光伏发电预测的历史和趋势：使用文本挖掘的初步评估和评论》，Sol。能源，168，60-101（2018）
[194] Antonanzas，J。；Osorio，N。；Escobar，R。；Urraca，R。；de Pison，F.M。；Antonanzas-Torres，F.，光伏功率预测综述，Sol。能源，13678-111（2016）
[195] 佩德罗，H。；Coimbra，C.，《无外部输入的太阳能发电预测技术评估》，Sol。能源，86，7，2017-2028（2012）
[196] 弗利斯，M。；乔恩，C。；Voyant，C.，《太阳能预测波段：新的短期时间序列预测技术》，Sol。能源，166，519-528（2018）
[197] 韦尔塔斯·塔托，J。；Centeno Brito，M.，《使用智能持久性和随机森林预测光伏能源生产》，Energies，12，1100（2019）
[198] Yang，D.，利用气候学、持久性及其最佳凸组合进行参考太阳预报，Sol。能源，193981-985（2019）
[199] Driemel，A。；奥古斯丁，J。；Behrens，K。；科勒，S。；考克斯，C。；Cuevas-Agulló，E。；F.M.丹尼。；杜普拉特，T。；福田，M。；Grobe，H.，《基线表面辐射网络：结构和数据描述》（1992-2017），地球系统。科学。数据，10，3，1491-1501（2018）
[200] 刘伟。；刘，Y。；周，X。；谢毅。；韩，Y。；Yoo，S。；Sengupta，M.，《利用物理学改进太阳预测：同时预测GHI、DNI和DHI的基于物理学的持久性模型》，Sol。能源，215252-265（2021）
[201] 耶尔丘里，S。；Rangaraj，A。；谢毅。；Habte，A。；乔希，M.C。；Boopathi，K。；Sengupta，M。；Balaraman，K.，使用基于物理的智能持久性模型和数据插补方法的短期太阳能预测平台（2021年），国家可再生能源实验室（NREL），科罗拉多州戈尔登（美国）
[202] 利珀海德，M。；博世，J。；Kleissl，J.，《光伏发电厂使用云速度持久性的嵌入式即时广播方法》，Sol。能源，112232-238（2015）
[203] Harrouni，S。；Guessoum，A.，使用分形维数量化全球太阳辐射的长期持续性，混沌孤子分形，41，3，1520-1530（2009）
[204] dos Anjos，P.S。；达席尔瓦股份有限公司。；斯托西奇，B。；Stošić，T.，巴西费尔南多·德诺罗尼亚岛风速和太阳辐射时间序列的长期相关性和相互关系，Phys。A.统计机械。申请。，424, 90-96 (2015)
[205] Shirvaikar，V.，《风向的持续性》，《大气环境》（1967），第6、12、889-898页（1972）
[206] Poje，D.，《克罗地亚的风力持续性》，国际气候杂志。，12, 6, 569-586 (1992)
[207] 加迪安，A。；Dewsbury，J。；费瑟斯通，F。；利弗莫尔，J。；莫里斯，K。；Sanders，C.，低风速观测的定向持续性，J.wind Eng.Ind.Aerodyn。，92, 12, 1061-1074 (2004)
[208] Jiang，L.，中国平均风速持续性，物理。A.统计力学。申请。，502, 211-217 (2018)
[209] de Souza，N.B.P。；多斯桑托斯，J.V.C。；Nascimento，E.G.S。；桑托斯，A.A.B。；Moreira，D.M.，巴西东北部地区风速的长程相关性，能源，第122742页，（2021）
[210] 桑托斯，J。；莫雷拉，D。；莫雷特，M。；Nascimento，E.，巴西巴希亚和阿波罗霍斯群岛不同地区风速的长期相关性分析，能源，167，680-687（2019）
[211] Newman，M.，《网络》（2018），牛津大学出版社·Zbl 1391.94006号
[212] Barabási，A.-L.，《网络科学》（2016），剑桥大学出版社·Zbl 1353.94001号
[213] 阿尔伯特·R。；Jeong，H。；Barabási，A.-L.，《世界网的直径》，《自然》，401，6749，130-131（1999）
[214] 库亚德拉，L。；萨尔塞多·桑兹，S。；德尔塞尔，J。；Jiménez-Fernández，S。；Geem，Z.W.，《使用复杂网络概念对电网稳健性进行批判性审查》，《能源》，8，9，9211-9265（2015）
[215] 夸德拉。；医学博士皮诺。；Nieto-Borge，J.C。；Salcedo-Sanz，S.，《利用可再生能源发电优化配电智能电网结构：采用进化算法的复杂网络方法》，能源，10，8，1097（2017）
[216] Strogatz，S.H.，《探索复杂网络》，《自然》，410，6825，268-276（2001）·Zbl 1370.90052号
[217] Jeong，H。；Tombor，B。；阿尔伯特·R。；Oltvai，Z.N。；Barabási，A.-L.，《代谢网络的大规模组织》，《自然》，4076804651-654（2000）
[218] 蒙托亚，J.M。；皮姆，S.L。；Solé，R.V.，《生态网络及其脆弱性》，《自然》，4427100259-264（2006）
[219] Donges，J.F。；邹毅。；北卡罗来纳州马尔旺。；Kurths，J.，《气候动力学中的复杂网络》，《欧洲物理学》。J.特殊上衣。，174, 1, 157-179 (2009)
[220] 范，J。；孟，J。；Ludescher，J。；陈，X。；阿什肯纳西，Y。；Kurths，J。；哈夫林，S。；Schellnhuber，H.J.，《复杂地球系统的统计物理学方法》，《物理学》。代表，896，1-84（2021）·Zbl 1474.86008号
[221] 博卡莱蒂，S。；拉托拉，V。；莫雷诺，Y。；查韦斯，M。；Hwang，D.-U.，《复杂网络：结构和动力学》，《物理学》。众议员，424，4-5，175-308（2006）·Zbl 1371.82002号
[222] 阿尔伯特·R。；Barabási，A.-L.，《复杂网络的统计力学》，修订版。物理。，74, 1, 47 (2002) ·Zbl 1205.82086号
[223] Chung，F.R。；Graham，F.C.，谱图理论（1997），美国数学学会·Zbl 0867.05046号
[224] 尼科西亚，V。；Tang，J。；马斯科洛，C。；穆索列西，M。；Russo，G。；Latora，V.，《时态网络的图形度量》，（时态网络（2013），Springer），15-40
[225] Böhme，G.A.，《复杂网络中多样性的出现和持续性》，《欧洲物理学》。J.特殊上衣。，222, 12, 3089-3169 (2013)
[226] 邹毅。；R.V.唐纳。；北卡罗来纳州马尔旺。；Donges，J.F。；Kurths，J.，《非线性时间序列分析的复杂网络方法》，Phys。众议员，787，1-97（2019）
[227] Barabási，A.-L。；Albert，R.，《随机网络中尺度的出现》，《科学》，286，5439，509-512（1999）·Zbl 1226.05223号
[228] Barabási，A.-L。；Bonabeau，E.，无标度网络，科学。美国，288，5，60-69（2003）
[229] 塞拉诺，硕士。；Boguna，M.，《复杂网络中的聚类》。I.一般形式主义，物理学。E版，74、5，第056114条，pp.（2006）
[230] Watts，D.J。；Strogatz，S.H.，“小世界”网络的集体动态，《自然》，393，6684，440-442（1998）·Zbl 1368.05139号
[231] Bianconi，G.，《多重网络的统计力学：熵和重叠》，《物理学》。E版，87，6，第062806条，pp.（2013）
[232] 巴蒂斯顿，F。；尼科西亚，V。；Latora，V.，《多路网络的结构测量》，Phys。E版，89，3，第032804条pp.（2014）
[233] 帕帕佐普洛斯，F。；Kleineberg，K.-K.，多路复用网络中的链路持久性和条件距离，物理。E版，99，1，第012322条pp.（2019）
[234] Barrat，A。；Barthelemy，M。；Vespignani，A.，《复杂网络上的动态过程》（2008），剑桥大学出版社·Zbl 1198.90005号
[235] 佩拉，N。；Gonçalves，B。；牧师萨托拉斯，R。；Vespignani，A.，时变网络的活动驱动建模，科学。众议员，2469（2012）
[236] 刘，S。；佩拉，N。；Karsai，M。；Vespignani，A.，《控制活动驱动网络中的传染过程》，Phys。修订版Lett。，第112、11条，第118702页（2014年）
[237] Wang，W。；刘庆华。；梁，J。；胡，Y。；周涛，复杂网络中的协同进化传播，物理学。代表，820，1-51（2019）
[238] 道金斯，R.，《自私的基因》（1989），牛津大学出版社
[239] 牧师萨托拉斯，R。；卡斯特拉诺，C。；Van Mieghem，P。；Vespignani，A.，复杂网络中的流行病过程，修订版。物理。，87, 3, 925 (2015)
[240] Ren，Z.-M。；曾，A。；Zhang，Y.-C.，复杂网络中的面向结构预测，物理学。代表，750，1-51（2018）·Zbl 1405.90037号
[241] 阿尔伯特·R。；Jeong，H。；Barabási，A.-L.，复杂网络的错误和攻击容忍，《自然》，4066794378-382（2000）
[242] 牧师萨托拉斯，R。；Vespignani，A.，《无标度网络中的流行病传播》，Phys。修订版Lett。，86, 14, 3200 (2001)
[243] 科恩，R。；埃雷兹，K。；Ben-Avraham，D。；Havlin，S.，《互联网在故意攻击下的崩溃》，Phys。修订版Lett。，86, 16, 3682 (2001)
[244] Freeman，L.C.，《社交网络中的中心性概念澄清》，社交网络，1，3，215-239（1978）
[245] 弗里德金，N.E.，《中心性度量的理论基础》，美国社会学杂志。，96, 6, 1478-1504 (1991)
[246] Wang，W。；唐，M。；斯坦利，H.E。；Braunstein，L.A.，《复杂网络上流行病传播理论方法的统一》，Rep.Prog。物理。，80，3，第036603条pp.（2017）
[247] 牧师萨托拉斯，R。；Vespignani，A.，复杂网络中的流行病动力学和地方病状态，Phys。E版，63、6，第066117条，pp.（2001）
[248] 李，M。；刘，R.-R。；吕，L。；胡，M.-B。；徐，S。；Zhang，Y.C.，复杂网络上的渗流：理论与应用，物理学。代表（2021年）·Zbl 1484.82049号
[249] 库亚德拉，L。；Nieto-Borge，J.C.，用基于概率幅度的加权链接将量子点系统建模为随机几何图，纳米材料，11，2，375（2021）
[250] 库亚德拉，L。；Nieto Borge，J.C.，通过具有基于空间和物理的约束的复杂网络接近无序量子点系统，纳米材料，11，82056（2021）
[251] 博卡莱蒂，S。；阿尔门德拉尔，J。；关，S。；莱瓦，I。；刘，Z。；Sendiña Nadal，I。；王，Z。；Zou，Y.，《复杂网络结构和动力学中的爆炸性跃迁：渗流和同步》，Phys。代表，660，1-94（2016）·Zbl 1359.34048号
[252] Achlioptas，D。；D'Souza，R.M。；Spencer，J.，随机网络中的爆炸渗流，《科学》，323、5920、1453-1455（2009）·Zbl 1226.05221号
[253] Kuramoto，Y.，《化学振荡、波浪和湍流》（2003），Courier Corporation·Zbl 0558.76051号
[254] 高杰。；周，T。；Hu，Y.，空间网络上的Bootstrap渗流，科学。代表，5，1，1-10（2015）
[255] 崔，P。；唐，M。；Wu，Z.-X.，具有粘性和持久性的网络中的消息传播：大型集群并不总是促进大规模传播，科学。代表46303（2014）
[256] 翁·L。；弗拉米尼，A。；Vespignani，A。；Menczer，F.，《关注有限的世界中模因之间的竞争》，《科学》。代表，2335（2012）
[257] 克拉皮夫斯基，P.L。；Redner，S。；Volovik，D.，《强化推动创新和时尚的传播》，J.Stat.Mech。理论实验，2011，12，P12003（2011）
[258] Centola，D.，《在线社交网络实验中行为的传播》，《科学》，329，5996，1194-1197（2010）
[259] Wu，F。；胡伯曼，B.A.，《新颖性和集体关注》，Proc。美国国家科学院。科学。，104, 45, 17599-17601 (2007)
[260] 廖，H。；Mariani，M.S。；梅多，M。；Zhang，Y.-C。；Zhou，M.-Y.，《进化复杂网络排名》，《物理学》。代表，689，1-54（2017）·Zbl 1366.91124号
[261] R.Xiang，J.Neville，M.Rogati，《在线社交网络中的关系强度建模》，载《第19届万维网国际会议论文集》，2010年，第981-990页。
[262] 莫尔斯，S。；Gonzalez，M.C。；Markuzon，N.，《持久级联：测量社交网络中的基本通信结构》，（2016年IEEE大数据国际会议（2016年），IEEE），969-975
[263] Karsai，M。；佩拉，北。；Vespignani，A.，《时变网络和强联系的弱点》，科学。代表，44001（2014）
[264] Barrat，A。；Cattuto，C.，《面对面的人类交互的时间网络》（Temporal networks，2013），施普林格出版社，191-216
[265] 罗德里格斯，J.P。；甘巴内贾德，F。；Eguíluz，V.M.，《时间网络中并发感染爆发的风险：一项医院联系网络的案例研究》，Front。物理。，5, 46 (2017)
[266] Kim，H。；Tang，J。；安德森，R。；Mascolo，C.，《动态人类接触网络中的中心预测》，计算。净值。，56, 3, 983-996 (2012)
[267] Koher，A。；Lentz，H.H。；Gleeson，J.P。；Hövel，P.，时态网络上基于接触的流行病传播模型，Phys。第十版，第9、3条，第031017页（2019年）
[268] 霍尔姆，P。；Saramäki，J.，《时间网络》，Phys。众议员，519，3，97-125（2012）
[269] 霍尔姆，P.，《现代时间网络理论：学术讨论会》，《欧洲物理学》。J.B，88，9，1-30（2015）
[270] 科尔曼，E。；斯皮斯，K。；Bansal，S.，《时间接触网络中传染的可达性：疾病潜伏期如何利用人类行为的节奏》，BMC Infect。数字化信息系统。，18, 1, 1-10 (2018)
[271] 克劳塞特，A。；Eagle，N.，《动态邻近网络中的持久性和周期性》（2012），arXiv预印本arXiv:1211.7343
[272] 霍尔姆，P。；Saramäki，J.，《作为建模框架的时间网络》（Temporal networks，2013），施普林格出版社，1-14
[273] Caceres，R.S。；Berger-Wolf，T.，《动态网络的时间尺度》（Temporal networks，2013），施普林格出版社，65-94
[274] Min，B。；Goh，K.-I.，《突发性：度量、模型和动态后果》（Temporal Networks，2013），施普林格出版社，41-64
[275] Vazquez，A.，《突发活动模式后的传播动力学》（Temporal Networks（2013），Springer），161-174
[276] 班纳吉，S。；巴米迪，S.，《增长随机网络中中心的持久性》（2020年），arXiv预印本arXiv:2004.13785·Zbl 1491.60015号
[277] 纽曼，M.E。；Girvan，M.，《发现和评估网络中的社区结构》，Phys。修订版E，69，2，第026113条第（2004）页
[278] Tang，J。；Scellato，S。；穆索列西，M。；马斯科洛，C。；拉托拉，V.，时变图中的小世界行为，物理学。E版，81，5，第055101条，第（2010）页
[279] 巴尔达诺，E。；Poletto，C。；乔瓦尼尼，A。；帕尔玛，D。；萨维尼，L。；Colizza，V.，从过去的时间接触数据预测流行病风险，公共科学图书馆计算。生物学，11，3，文章e1004152 pp.（2015）
[280] 巴鲁卡，P。；Lillo，F。；Mazzarisi，P。；Tantari，D.，动态随机块模型中的Disentangling群和链接持久性，J.Stat.Mech。理论实验，2018，12，第123407条pp.（2018）·Zbl 1457.90036号
[281] 李，R.-H。；苏，J。；秦，L。；于建新。；Dai，Q.，时态网络中的持久社区搜索，（2018 IEEE第34届国际数据工程会议（ICDE）（2018），IEEE），797-808
[282] Saramäki，J。；Leicht，E.A。；López，E。；罗伯茨，S.G。；Reed-Tsochas，F。；Dunbar，R.I.，《人类交流中社会签名的持久性》，Proc。美国国家科学院。科学。，111, 3, 942-947 (2014)
[283] 张，X。；邵，S。；斯坦利，H.E。；Havlin，S.，《社会经济网络中的动态主题》，Europhys。莱特。，108, 5, 58001 (2014)
[284] Leitch，J。；亚历山大，K.A。；Sengupta，S.，《时态网络上的流行病阈值：综述和开放性问题》，Appl。Netw公司。科学。，4, 1, 1-21 (2019)
[285] Sun，K。；巴伦切利，A。；Perra，N.，《时态网络中强联系对SIR和SIS过程的对比影响》，《欧洲物理学》。J.B，88，12，1-8（2015）
[286] 佩拉，北。；巴伦切利，A。；莫卡努，D。；Gonçalves，B。；牧师萨托拉斯，R。；Vespignani，A.，《时变网络中的随机行走和搜索》，Phys。修订版Lett。，109，23，第238701条第（2012）页
[287] Laurent，G。；Saramäki，J。；Karsai，M.，《从呼叫到社区：时变社会网络的模型》，《欧洲物理学》。J.B，88，11，1-10（2015）
[288] 莫伊内，A。；斯塔尼尼，M。；Pastor-Satorras，R.，《社会时间网络中的突发性和老龄化》，《物理学》。修订版Lett。，114，10，第108701条pp.（2015）
[289] Alessandretti，L。；Sun，K。；巴伦切利，A。；佩拉·N·兰登（Perra，N.）在具有吸引力的活动驱动型网络上行走。E版，95，5，第052318条pp.（2017）
[290] Ghoshal，G。；Holme，P.，《互联网社区的吸引力和活动》，《物理学》。A.统计力学。申请。，364, 603-609 (2006)
[291] 斯塔尼尼，M。；巴伦切利，A。；Pastor-Satorras，R.，《面对面交互网络的人体动力学建模》，Phys。修订版Lett。，110、16，第168701条pp.（2013）
[292] 加拉斯，A。；加西亚，D。；斯科伦，M。；Schweitzer，F.，在线聊天社区中的情感坚持，科学。代表，2，1，1-8（2012年）
[293] Barabasi，A.-L.，《人类动力学中爆发和重尾的起源》，《自然》，435，7039，207-211（2005）
[294] Malmgren，R.D。；斯托弗，D.B。；莫特·A·E。；阿马拉尔，洛杉矶，《关于电子邮件通信中重尾的泊松解释》，Proc。美国国家科学院。科学。，105, 47, 18153-18158 (2008)
[295] 起重机，R。；施韦策，F。；Sornette，D.，人类反应等待时间分布中媒体曝光的幂律特征，Phys。版本E，81，5，第056101条pp.（2010）
[296] McGahan，A.M。；波特，M.E.，《盈利能力冲击的持续性》，《经济学评论》。《法律总汇》，81，1143-153（1999）
[297] Fuhrer，J。；Moore，G.，《通货膨胀持续性》，Q.J.Econ。，110, 1, 127-159 (1995) ·Zbl 0834.90037号
[298] Sbordone，A.，《通货膨胀持续性：替代解释和政策含义》，J.Monet。经济。，54, 5, 1311-1339 (2007)
[299] Gaglianone，W。；Teixera de Carvalho，O。；Rodrigues-Figueiredo，F.，通过分位数特定单位根的分位数自回归估计通货膨胀持续性，经济学。型号。，73, 407-430 (2018)
[300] 皮维塔，F。；Reis，R.，《美国通货膨胀的持续性》，J.Econ。动态。控制，31,1326-1358（2007）
[301] Meenagh，D。；明福德，P。；Nowell，E。；沙发，P。；Srinivasan，N.，英国通货膨胀持续的事实可以用名义刚性来解释吗？，经济。型号。，26, 5, 978-992 (2009)
[302] Koenker，R。；Hallock，K.F.，《量化回归》，《经济学杂志》。展望。，15, 4, 143-156 (2001)
[303] Tule，M.K。；Salisu，A.A。；Ebuh，G.U.，《使用分数积分和分数协整技术对尼日利亚通货膨胀持续性的测试》，《经济评论》。型号。，87, 225-237 (2020)
[304] Priestley，R.，预期回报中的时间变化持久性，J.Bank。《金融》，25，7，1271-1286（2001）
[305] Dichev，I.D。；Tang，V.W.，《收益波动性和收益可预测性》，J.Account。经济。，47, 1, 160-181 (2009)
[306] Frankel，R。；Litov，L.，《盈利持续性》，J.Account。经济。，47, 1, 182-190 (2009)
[307] 吴，X。；Kin，C.，《企业增长类型与资本结构持续性》，J.Bank。《金融》，36，12，3427-3443（2012）
[308] González-Pla，F。；Lovreta，L.，《公司资产和股权波动的持续性》，Phys。A.统计力学。申请。，535，第122265条pp.（2019）
[309] 柯兰，M。；Velic，A.，《实际汇率持续性和国家特征：全球分析》，J.Int.Money Finance，97，35-56（2019）
[310] Caporale，G.M。；吉尔·阿拉纳，L。；Plastun，A.，《加密货币市场的持续性》，Res.Int.Bus。《金融》，46，141-148（2018）
[311] 科斯塔，N。；席尔瓦，C。；Ferreira，P.，加密货币DFA和DCCA分析中的长程行为和相关性，《国际金融研究》，第7、3、51页（2019年）
[312] Takaishi，T.，比特币中非对称波动性和多重分形的时间序列特性，Plos One，16，2，Article e0246209 pp.（2021）
[313] 斯托西奇，D。；斯托西奇，D。；Ludermir，T.B。；Stosic，T.，加密货币市场价格和数量变化的多重分形行为，Phys。A.统计力学。申请。，520, 54-61 (2019)
[314] 大卫·S。；小伊纳西奥，C。；Nunes，R。；Machado，J.，应用于加密货币价格序列的分数和分形过程，J.Adv.Res.，32，85-98（2021）
[315] Al-Yahyaee，K.H。；Mensi，W。；Yoon，S.-M.，《比特币市场的效率、多重分形和长记忆特性：与股票、货币和黄金市场的比较分析》，《金融研究快报》。，27, 228-234 (2018)
[316] 瓦兹，C。；帕斯科尔，R。；Sebastiáo，H.，比特币的价格升值和粗糙度二元性：多重分形分析，数学，9，17，2088（2021）
[317] Quintino，D。；坎波利，J。；伯恩奎斯特，H。；Ferreira，P.，《巴西比特币的效率：DFA方法》，《国际金融研究》，第8、2、25页（2020年）
[318] Alvarez-Ramirez，J。；罗德里格斯，E。；Ibarra Valdez，C.，比特币市场的长期相关性和不对称性，Phys。A.统计力学。申请。，492, 948-955 (2018)
[319] 路易斯·P。；de la Fuente，G。；Perote，J.，《比特币需求的驱动因素：短期和长期分析》，《国际金融评论》。，62, 21-34 (2019)
[320] Cajueiro，D.O。；Tabak，B.M.，巴西股市长期依赖的可能原因，Phys。A.统计力学。申请。，345, 3, 635-645 (2005)
[321] 康斯坦丁，M。；Sarma，S.D.，《金融市场的波动性、持续性和生存》，Phys。E版，72，5，第051106条pp.（2005）
[322] 哦，G。；Kim，S。；Eom，C.，《高频价格变化中的长期记忆和波动性聚集》，Phys。A.统计力学。申请。，387, 5, 1247-1254 (2008)
[323] Bollerslev，T.，广义自回归条件异方差，经济杂志。，31, 3, 307-327 (1986) ·Zbl 0616.62119号
[324] Baillie，R.T。；Bollerslev，T。；Mikkelsen，H.O.，分数积分广义自回归条件异方差，J.Econom。，74, 1, 3-30 (1996) ·Zbl 0865.62085号
[325] Bentes，S.R.，《使用图形法测量股市波动的持续性》，Phys。A.统计力学。申请。，408, 190-197 (2014)
[326] Sánchez Granero，M。；特立尼达·塞戈维亚，J。；García Pérez，J.，《关于赫斯特指数和资本市场长记忆过程的一些评论》，Phys。A.统计力学。申请。，387, 22, 5543-5551 (2008)
[327] 卢，X。；田，J。；周，Y。；Li，Z.，中国股指期货市场的多重分形去趋势波动分析，Phys。A.统计力学。申请。，392, 6, 1452-1458 (2013)
[328] Yin，Y。；Shang，P.，用于量化金融市场多尺度相关结构的修正DFA和DCCA方法，Phys。A.统计机械。申请。，392, 24, 6442-6457 (2013)
[329] 斯托西奇，D。；斯托西奇，D。；斯托西奇，T。；Stanley，H.E.，《股票市场指数价格变化和成交量变化的多重分形特性》，Phys。A.统计力学。申请。，428, 46-51 (2015)
[330] 米洛什，L.R。；哈依甘，C。；米洛什，M.C。；Barna，F.M。；Botoc，C.，股市指数的多重分形去趋势波动分析（MF-DFA）。来自七个中欧和东欧市场的经验证据，可持续发展，12，2，535（2020年）
[331] L.R.Gorjáo。；Witthaut，D。；林德·P·G。；Medjroubi，W.，《欧洲电力现货价格持续性变化（2021年）》，arXiv预印本arXiv:2112.03513
[332] Han，C。；Hilger，H。；混合物E。；巴彻，P.C。；雷耶斯，M。；贝克，C。；Witthaut，D。；Gorjáo，L.R.，欧洲电力现货市场价格时间序列的复杂性和持续性（2021年），arXiv预印本arXiv:2112.03031
[333] 阿里·H。；Aslam，F。；Ferreira，P.，《美国电力市场动态多重分形效率建模》，《能源》，第14、19、6145页（2021年）
[334] 范，Q。；Li，D.，电力现货市场多重分形互相关分析，Phys。A.统计力学。申请。，429, 17-27 (2015)
[335] 内贾德，S.A。；Stosic，T。；Stosic，B.，黄金市场的多重分形分析，Fractals，29，01，文章2150010 pp.（2021）
[336] 顾，R。；陈，H。；王毅，基于多重分形去趋势波动分析的国际原油市场多重分形分析，Phys。A.统计力学。申请。，389, 14, 2805-2815 (2010)
[337] Delbianco，F。；托梅，F。；Stosic，T。；Stosic，B.，《商品市场的多重分形行为：燃料与非燃料产品》，Phys。A.统计力学。申请。，457, 573-580 (2016)
[338] 蔡，Y。；卢，X。；任，Y。；Qu，L.，《探索原油价格与隐含波动率指数之间的动态关系：MF-DCCA方法》，Phys。A.统计力学。申请。，536，第120973条pp.（2019）
[339] Cerqueti，R。；Fanelli，V.，《长期记忆与原油价格的可预测性》，Ann.Oper。研究，299，1895-906（2021）·Zbl 1476.91142号
[340] Mensi，W。；Lee，Y.-J。；Vo、X.V。；Yoon，S.-M.，《油价波动是否影响顶级石油生产国和石油消费国股市的长期记忆和弱式效率？》？非对称MF-DFA方法的证据，《北美经济杂志》。《金融》，57，第101446条pp.（2021）
[341] 费蒂蒂，Z。；Jawadi，F。；Louhichi，W。；Madani，M.E.A.，石油和天然气期货市场有效吗？多重分形分析，Appl。经济。，53, 2, 164-184 (2021)
[342] 张，S。；郭，Y。；Cheng，H。；张浩，《中国原油期货市场价格与交易量的交叉相关性：基于多重分形方法的研究》，《混沌孤子分形》，144，第110642页，（2021）
[343] 大卫·S。；Inacio Jr.，C。；Quintino，D。；Machado，J.，《使用DFA-hurst和分形维数测量巴西乙醇和汽油市场效率》，《能源经济》。，第85条，第104614页（2020年）
[344] Raza，S.A。；沙阿，N。；苏勒曼，M.T。；Al Mamun，M.，《住房市场的多重分形去趋势波动分析：金融危机在发达经济体中的作用》，Int.J.Hous。作记号。分析。(2021)
[345] 尹，T。；王毅，大豆期货市场效率与非线性分析，可持续发展，13，2，518（2021）
[346] Feng，Y.-S。；Cao，B.-M.，基于MF-x-DFA和MF-DPXA方法的中美农业期货市场相关性多重分形波动分析，Fluct。噪声Lett。，第2250006条第（2021）页
[347] Rupprecht，J.-F。；Prost，J.，《非平衡系统的新视角》，《科学》，352，6285，514-515（2016）
[348] 德里达，B。；布雷，A。；Godreche，C.，一维ising和potts模型零温度动力学中的非平凡指数，J.Phys。A： 数学。Gen.，27，11，L357（1994）·Zbl 0842.60093号
[349] 马朱姆达尔，S。；布雷，A。；康奈尔，S。；Sire，C.，《非平衡临界动力学的全球持久性指数》，Phys。修订版Lett。，77, 18, 3704 (1996)
[350] Cardy，J.，反应扩散过程中未受影响位点的比例，J.Phys。A： 数学。Gen.，28，1，L19（1995）·Zbl 0853.60089号
[351] Krug，J。；Kallipas，H。；马朱姆达尔，S。；康奈尔，S。；布雷，A。；Sire，C.，波动界面的持久性指数，Phys。修订版E，56，32702（1997）
[352] 弗雷谢堡，L。；克拉皮夫斯基，P.L。；Ben-Naim，E.，循环Lotka-Volterra系统中的空间组织，Phys。E版，54、6、6186（1996）
[353] 斯威夫特，M.R。；Bray，A.J.，非弹性倒塌的生存时间分布，物理。版本E，59，5，R4721（1999）
[354] 马朱姆达尔，S.N。；Dhar，D.，《平稳时间序列中的持久性》，Phys。E版，64、4，第046123条，pp.（2001）
[355] Bray，A.J.，相有序动力学理论，高级物理学。，51, 2, 481-587 (2002)
[356] Villain，J.，随机场ising模型中的非平衡“临界”指数，Phys。修订版Lett。，52, 17, 1543 (1984)
[357] Stauffer，D.，《t=0时一维到五维的伊辛旋节分解》，J.Phys。A： 数学。上将，第27、14、5029页（1994年）
[358] 苏尔，C。；Majumdar，S.N.，q态potts模型和具有全局保守磁化强度的ising模型中的粗化，Phys。E版，52、1、244（1995）
[359] Derrida，B.，《一维potts模型零温度动力学中出现的指数》，J.Phys。A： 数学。Gen.，28，6，1481（1995）·Zbl 0853.60097号
[360] 马朱姆达尔，S.N。；Sire，C.，高斯非马尔可夫过程的生存概率：伊辛模型T=0动力学的应用，Phys。修订版Lett。，77, 8, 1420 (1996) ·Zbl 1182.60024号
[361] 马朱姆达尔，S.N。；Bray，A.J.，《部分生存的坚持》，Phys。修订版Lett。，81, 13, 2626 (1998)
[362] Tam，W.Y。；Szeto，K.Y.，《二维肥皂泡沫的集群持久性》，Phys。E版，65，4，第042601条，pp.（2002）
[363] Marcos-Martin，M。；Beysens，D。；Bouchaud，J.-P。；哥德勒支，C。；Yekutieli，I.，液滴冷凝问题中的自扩散和“访问”表面（呼吸图），Phys。A.统计机械。申请。，214, 3, 396-412 (1995)
[364] Peng，C.-K。；哈夫林，S。；施瓦茨，M。；Stanley，H.E.，定向聚合物和弹道沉积生长与相关噪声，Phys。版本A，44，4，R2239（1991）
[365] Prakash，S。；哈夫林，S。；施瓦茨，M。；Stanley，H.E.，《长程相关渗流的结构和动力学特性》，物理学。修订版A，46，4，R1724（1992）
[366] 马克斯，H.A。；哈夫林，S。；施瓦茨，M。；Stanley，H.E.，《为大型系统生成远程相关性的方法》，Phys。E版，53、5、5445（1996）
[367] 艾希纳，J.F。；坎特哈德，J.W。；阿联酋邦德。；Havlin，S.，长期持续记录中的极值统计，Phys。E版，73，1，第016130条，pp.（2006）
[368] Halley，J.M.，使用长期持续性模型解释地球温度的快速增长，Phys。A.统计力学。申请。，388, 12, 2492-2502 (2009)
[369] Efstratiadis，A。；Dialynas，Y.G。；科扎尼斯，S。；Koutsoyiannis，D.，多时间尺度合成时间序列生成的多元随机模型，再现长期持续性，环境。模型。软质。，62, 139-152 (2014)
[370] 布顿，W。；Droop，O.，设计洪水估算的连续模拟——综述，环境。模型。软质。，18, 4, 309-318 (2003)
[371] Tsekouras，G。；Koutsoyiannis，D.，与风能和太阳能相关的水文气象过程的随机分析和模拟，更新。能源，63624-633（2014）
[372] Efstratiadis，A。；Koutsoyiannis，D.，Castalia（2.0版）-水文变量随机模拟系统，雅典水资源系统监督和管理现代化（2004）
[373] 水文过程随机模拟和预测计算机系统（2004），https://www.tia.ntua.gr/en/softinfo/2/
[374] Koutsoyiannis，D.，水文时间序列随机模拟和预测的通用数学框架，《水资源》。第36号、第6号、第1519-1533号决议（2000年）
[375] Ilich，N.，一种有效的多站点生成随机周水文时间序列的三步算法，Hydrol。科学。J.，59，85-98（2014）
[376] Ben-Tal，A。；El Ghaoui，L。；Nemirovski，A.，《稳健优化》（2009），普林斯顿大学出版社·Zbl 1221.90001号
[377] 加布里埃尔，V。；穆拉特，C。；Thiele，A.，《稳健优化的最新进展：概述》，欧洲期刊Oper。第235、3、471-483号决议（2014年）·Zbl 1305.90390号
[378] Salcedo Sanz，S.，《基于非线性物理过程的现代元启发式：模型和设计程序综述》，Phys。代表，655，1-70（2016）
[379] Beyer，H.-G。；Sendhoff，B.，《稳健优化——综合调查》，《应用力学与工程中的计算机方法》，196，33，3190-3218（2007）·Zbl 1173.74376号
[380] 卡尔西，M。；Hacker，K。；Lewis，K.，《复杂系统设计中决策权衡的综合稳健设计方法》，J.Mech。设计。，123, 1, 1-10 (2001)
[381] 艾伦·J·K。；西帕萨德，C。；Choi，H。；Mistree，F.，《多尺度和多学科应用的稳健设计：基于稳健和可靠性的设计》，J.Mech。设计。(1990), 128, 4, 832-843 (2006)
[382] 布朗，G.G。；戴尔，R.F。；Farmer，R.A.，《海岸警卫队地区刀具调度》，接口，26，2，59-72（1996）
[383] 布朗，G.G。；科米肯·K·J。；Lawphongpanich，S。；Widdis，D.B.，通过持续激励优化潜艇停泊，Nav。Res.Logist.公司。，44, 4, 301-318 (1997) ·Zbl 0889.90106号
[384] Morrison，T.，《稳健组合优化的新范式：使用持久性作为证据理论》（2010），科罗拉多大学丹佛分校。，（博士论文）
[385] Petit，T。；Trapp，A.C.，通过解决方案工程丰富组合问题的解决方案，INFORMS J.Compute。，31, 3, 429-444 (2019) ·兹比尔1528.90226
[386] Borthen，T。；Loennechen，H。；Fagerholt，K。；王，X。；Vidal，T.，《具有成本和持续性目标的双目标海上供应船舶规划》，计算。操作。研究，111，285-296（2019）·Zbl 1458.90060号
[387] 德拉富恩特，I。；马丁内斯，L。；Aguirregabiria，J。；Veguillas，J。；Iriart，M.，《生物化学振荡数值模拟的相移和实验性心律中的长程相关性》，J.Biol。系统，7，02，113-130（1999）
[388] 德拉富恩特，I。；贝尼特斯，N。；Santamaria，a。；Aguirregabiria，J。；Veguillas，J.，《代谢网络中的持久性》，Bull。数学。《生物学》，61,3573-595（1999）·Zbl 1323.92091号
[389] 瑟纳，S。；Windischberger，C。；Moser，E。；瓦拉，P。；Barth，M.，人类大脑活动中的尺度定律和持久性，Phys。A.统计力学。申请。，326, 3-4, 511-521 (2003) ·Zbl 1022.92007年
[390] 拉赫玛尼，B。；Wong，C.K。；诺鲁扎德，P。；Bodurka，J。；McKinney，B.，《动态赫斯特分析确定创伤后应激障碍与健康对照者之间的脑电图通道差异》，《公共科学图书馆·综合》，第13、7期，第e0199144页，（2018年）
[391] 戈麦斯，医学硕士。；Leicht，A.S。；Rivas，F。；Furley，P.，《精英男女羽毛球中的长距离集会和下一次集会表演》，《公共科学图书馆·综合》，第15、3期，文章e0229604页，（2020年）
[392] 达斯·R。；Ghosh，A。；卡拉克，B.B.，月太阳黑子区的半球不对称性是一个具有长期记忆的不规则过程吗？（2021），arXiv预打印arXiv:2111.06332
[393] Stathopoulos，V。；Matsoukas，C.，全球台站下涌长波通量的长期记忆和多重分形，（《大气科学展望》（2017），施普林格），1193-1198
[394] Stathopoulos，V。；Matsoukas，C.，地球表面下涌长波辐射通量的长期记忆和多重分形，Clim。发电机。，52, 9, 5723-5738 (2019)
[395] 彼得斯，G.W。；Yan，H。；Chan，J.，死亡率数据中持久性和长记忆的统计特征，精算科学年鉴，1-27（2021）
[396] 桂，J。；郑，Z。；傅，D。；Fu，Y。；Liu，Z.，中国免费电话的长期相关性和多重分形，Phys。A.统计力学。申请。，567，第125633条pp.（2021）
[397] 卢，W.-Z。；Xue，Y.，香港路边颗粒数浓度的Detrended波动分析，建筑与环境，82，580-587（2014）
[398] 刘，C.-J。；吴杰。；Jayetileke，H.L。；Hu，Z.-H.，集装箱港口船舶流量序列的长程相关性和多重分形：上海、新加坡和鹿特丹的比较，Appl。科学。，11, 21, 10378 (2021)
[399] 高杰。；胡，J。；东，W.W。；曹毅。；北萨沙尔。；Roychowdhury，V.P.，《时间序列中长期相关性的评估：如何避免陷阱》，《物理学》。E版，73，第016117条，pp.（2006）
[400] Räsänen，M。；钟，M。；Katurji，M。；Pellikka，P.，《雾和降雨间歇的相似性》，地球物理学。Res.Lett.公司。，45, 10691-10699 (2018)
[401] Salcedo-Sanz，S。；桩，M。；库亚德拉，L。；卡萨诺瓦·马特奥，C。；否，交流。；Cerro-Prada，E。；Camps-Valls，G.，雾事件的长期持续性、不变时间尺度和开关间歇，Atmos。第252号决议，第105456条，pp.（2021）
[402] 科内乔·布诺（Cornejo-Bueno），S。；卡西利亚斯·佩雷斯，D。；科尔内乔·布诺（Cornejo-Bueno，L.）。；M.I.Chidean。；Caamaño，A.J。；Cerro-Prada，E。；卡萨诺瓦·马特奥，C。；Salcedo Sanz，S.，《西班牙A-8公路雾引起低能见度事件的统计分析和机器学习预测》，大气，12，6，679（2021）
[403] Ghimire，S。；Deo，R.C。；Raj，N。；Mi，J.，基于小波的三相混合SVR模型，采用卫星衍生预报器训练，粒子群优化和最大重叠离散小波变换用于太阳辐射预测，Renew。维持。能源评论，113，第109247条pp.（2019）
[404] Kalogirou，S.A.，太阳能系统设计和建模，太阳能工程，583-699（2014）
[405] Sovacool，B.K.，《风力、太阳能和可再生能源发电机的间歇性：技术障碍还是修辞借口？》？，公用事业政策，17，3-4，288-296（2009）
[406] 周，S。；Wang，Y。；周，Y。；克拉克，L.E。；Edmonds，J.A.，《风能和太阳能在中国电力行业中的作用：间歇性约束的含义》，应用。能源，213，22-30（2018）
[407] Iqbal，M.，《太阳辐射导论》（2012），爱思唯尔
[408] 伯德·R·E。；Hulstrom，R.L.，水平表面直接和漫射照射的简化晴空模型（1981），技术报告编号：SERITR-642-761，科罗拉多州戈尔登太阳能研究所
[409] Sen，Z.，《太阳能基础和建模技术：大气、环境、气候变化和可再生能源》（2008），施普林格科学；商业媒体
[410] 佩雷斯，R。；Lorenz，E。；佩兰，S。；博哈诺伊斯，M。；Van Knowe，G。；Hemker Jr.，K。；海涅曼，D。；雷蒙德，J。；穆勒，南卡罗来纳州。；Traunmüller，W.，美国、加拿大和欧洲数值天气预测太阳辐照度预测的比较，Sol。能源，94305-326（2013）
[411] 黄，J。；Thatcher，M.，使用数值天气预报评估太阳预报中模拟的区域天气变化值，Sol。能源，144529-539（2017）
[412] 佩迪戈，J.a。；萨尔加多，R。；马加雷罗，C。；Soares，P.M。；Costa，M.J.a。；Dasari，H.P.，《1950-2010年WRF区域气候模拟获得的伊比利亚太阳辐射气候学》，Atmos。第198151-162号决议（2017年）
[413] 梅利特，A。；Kalogirou，S.A.，光伏应用的人工智能技术：综述，能源与燃烧科学进展，34，57574-632（2008）
[414] Amrouche，B。；Le Pivert，X.，基于人工神经网络的全球太阳辐射每日局部预测，应用。能源，130，333-341（2014）
[415] 贝莱德，S。；Mellit，A.，《在干旱气候下使用支持向量机预测每日和每月平均全球太阳辐射》，《能源转换》。管理。，118, 105-118 (2016)
[416] 科尔内乔·布诺（Cornejo-Bueno，L.）。；卡萨诺瓦·马特奥，C。；Sanz-Justo，J。；Salcedo-Sanz，S.，根据卫星数据估算太阳辐射的机器学习回归量，Sol。能源，183768-775（2019）
[417] 易卜拉欣，I.A。；Khatib，T.，使用随机森林技术和萤火虫算法预测每小时全球太阳辐射的新型混合模型，Energy Convers。管理。，138, 413-425 (2017)
[418] Salcedo-Sanz，S。；Deo，R.C。；科尔内乔·布诺（Cornejo-Bueno，L.）。；Camacho-Gómez，C。；Ghimire，S.，《澳大利亚日照状态下估算每日全球太阳辐射的有效神经进化混合建模机制》，Appl。能源，20979-94（2018）
[419] Ghimire，S。；Deo，R.C。；Raj，N。；Mi，J.，利用卷积神经网络和长短期记忆网络算法进行深层太阳辐射预测，应用。能源，253，第113541条pp.（2019）
[420] 刘，Y。；秦，H。；张，Z。；裴，S。；王，C。；Yu，X。；江，Z。；周，J.，利用变分贝叶斯卷积门递归单元网络进行太阳辐射时空集成预测，应用。能源，253，第113596条pp.（2019）
[421] Voyant，C。；诺顿，G。；Kalogirou，S。；Nivet，M.-L。；Paoli，C。；莫特，F。；Fouilloy，A.，《太阳辐射预测的机器学习方法：综述》，更新。能源，105，569-582（2017）
[422] Mosavi，A。；萨利米，M。；Faizollahzadeh Ardabili，S。；Rabczuk，T。；Shamshirband，S。；Varkonyi-Koczy，A.R.，《能源系统中机器学习模型的现状，系统综述》，《能源》，第12期，第7期，第1301页（2019年）
[423] Manzoni，S。；Schimel，J.P。；Porporato，A.，《土壤微生物群落对水分胁迫的响应：荟萃分析结果》，生态学，93，4，930-938（2012）
[424] 罗森茨威格，C。；Tubiello，F.N。；Goldberg，R。；Mills，E。；Bloomfield，J.，《气候变化下过量降水对美国作物造成的损害增加》，《全球环境》。变化，12，3，197-202（2002）
[425] Koster，R.D。；Suarez，M.J.，《气候模型中的土壤水分记忆》，J.Hydrometeol。，2, 6, 558-570 (2001)
[426] Seneviratne，S.I。；科尔蒂，T。；Davin，E.L。；Hirschi，M。；Jaeger，E.B。；莱纳，I。；奥洛夫斯基，B。；Teuling，A.J.，《气候变化中土壤水分与气候相互作用的研究：综述》，Earth-Sci。版次：99、3-4、125-161（2010）
[427] McColl，K.A。；Alemohammad，S.H。；阿克巴，R。；Konings，A.G。；Yueh，S。；Entekhabi，D.，《表层土壤水分的全球分布和动态》，《国家地质科学》。，10, 2, 100-104 (2017)
[428] Ghannam，K。；Nakai，T。；Paschalis，A。；Oishi，C.A。；Kotani，A。；Igarashi，Y。；熊井，T。；Katul，G.G.，根区土壤水分动力学中的持久性和记忆时间尺度，水资源。Res.，52，2，1427-1445（2016）
[429] Shellito，P.J。；小型，E.E。；Livneh，B.，SMAP观测到的表层土壤干燥速率的控制，以及诺亚陆面模型Hydrol的模拟。地球系统。科学。，22, 3, 1649-1663 (2018)
[430] 桩，M。；穆尼奥斯·玛利，J。；A.格雷罗。；Camps-Valls，G。；Rojo-álvarez，J.，从卫星时间序列估计土壤水分持续性的自相关度量：在半干旱地区的应用，IEEE Trans。地质科学。远程传感器，正在印刷中（2021）
[431] Entin，J.K。；Robock，A。；Vinnikov，K.Y。；霍林格，S.E。；刘，S。；Namkhai，A.，温带观测到的土壤水分变化的时间和空间尺度，地球物理学杂志。研究大气，105，D9，11865-11877（2000）
[432] Koster，R.D。；Suarez，M.J.，陆地表面初始化对季节性降水和温度预测的影响，J.Hydrometeol。，4, 2, 408-423 (2003)
[433] 小桑塔内洛，J.A。；Dirmeyer，P.A。；Ferguson，C.R。；芬德尔，K.L。；陶菲克，A.B。；Berg，A。；艾克·M。；庆大霉素，P。；吉拉德，B.P。；Van Heerwaarden，C.，《陆地与大气相互作用：LoCo视角》，公牛。Am.Meteorol公司。Soc.，99，6，1253-1272（2018）
[434] Laio，F。；Porporato，A。；里多尔菲，L。；Rodriguez-Iturbe，I.，《控水生态系统中的植物：在水文过程中的积极作用和对水分胁迫的响应II》。概率土壤水分动态，高级水资源。(2001)
[435] X·冯。；道森，T.E。；Ackerly，D.D。；圣地亚哥，L.S。；Thompson，S.E.，《通过概率土壤动力学协调季节性水力风险和植物用水》，《全球变化生物学》。，23, 9, 3758-3769 (2017)
[436] 罗德里格斯-伊图尔，I。；Porporato，A.，《水控制生态系统的生态水文学：土壤水分和植物动力学》（2005），剑桥大学出版社
[437] Sanchez，N。；马丁内斯·费尔南德斯，J。；Scaini，A。；Perez-Gutierrez，C.，《REMEDHUS网络中SMOS L2土壤水分数据的验证》（西班牙），IEEE Trans。地质科学。遥感，50，5，1602-1611（2012）
[438] Polcher，J。；桩，M。；Gelati，E。；Barella-Ortiz，A。；Tello，M.，比较SMOS任务和伊比利亚半岛兰花陆面模型的表层土壤水分，遥感环境。，174, 69-81 (2016)
[439] González Zamora，A。；Sánchez，N。；巴勃罗斯，M。；Martínez-Fernández，J.，西班牙不同环境条件和空间尺度下利用SMOS土壤水分和原位数据进行Cci土壤水分评估，遥感环境。，225, 469-482 (2019)
[440] 多里戈，W。；瓦格纳，W。；阿尔贝格尔，C。；Albrecht，F。；Balsamo，G。；布罗卡。；Chung，D。；Ertl，M。；Forkel，M。；Gruber，A.，ESA CCI土壤湿度，以提高对地球系统的理解：现状和未来方向，遥感环境。，203, 185-215 (2017)
[441] 世界土壤协调数据库（1.1版）技术代表（2009年），粮农组织
[442] McColl，K.A。；Wang，W。；彭，B。；阿克巴，R。；Short Gianotti，D.J。；卢，H。；潘，M。；Entekhabi，D.，《表层土壤水分干旱的全球表征》，Geophys。Res.Lett.公司。，44, 8, 3682-3690 (2017)
[443] 俄罗斯联邦鲁西卡。；Polcher，J。；萨尔瓦多，M.M。；Sörensson，A.A。；桩，M。；Jobbágy，E.G。；Karszenbaum，H.，《南美洲东南部的时空土壤干燥：有效采样频率和观测误差对干旱时间尺度估计的重要性》，国际遥感杂志，41，20，7958-7992（2020）
[444] 德尔塞尔，J。；E.大阪。；莫利纳，D。；Yang，X.-S。；Salcedo-Sanz，S。；卡马乔博士。；达斯，S。；Suganthan，P.N。；科埃罗，C.A.C。；Herrera，F.，《生物灵感计算：我们的立场和下一步是什么》，Swarm Evol。计算。，48, 220-250 (2019)
[445] 莫塞蒂，G。；Poloni，C。；Diviacco，B.，通过遗传算法优化大型风电场中的风力涡轮机定位，J.wind Eng.Ind.Arodyn。，51, 1, 105-116 (1994)
[446] 格雷迪，S。；侯赛尼，M。；Abdullah，M.，使用遗传算法放置风力涡轮机，更新。能源，30，2，259-270（2005）
[447] Emami，A。；Noghreh，P.，通过遗传算法优化风电场内风力涡轮机布局的新方法，更新。《能源》，35，7，1559-1564（2010），专刊：IST 2009年全国会议
[448] 莫拉，J.C。；巴隆，J.M.C。；桑托斯，J.M.R。；Payán，M.B.，风电场优化设计的进化算法，神经计算，70，16-18，2651-2658（2007）
[449] González，J.S。；罗德里格斯，A.G.G。；莫拉，J.C。；桑托斯，J.R。；Payan，M.B.，使用进化算法优化风电场涡轮机布局，更新。能源，35，8，1671-1681（2010）
[450] ⑩išbot，S。；Turgut，O。；Tunç，M。；联合国乔姆达尔，《使用多目标遗传算法对格科埃达风力涡轮机进行优化定位》，《风能：国际期刊》。申请。风能转换。技术。，13, 4, 297-306 (2010)
[451] Saavedra-Moreno，B。；Salcedo-Sanz，S。；Paniagua-Tineo，A。；普列托，L。；Portilla-Figueras，A.，《为风电场中的最佳风力涡轮机定位提供启发式的种子进化算法》，更新。能源，36，11，2838-2844（2011）
[452] Wilson，D。；罗德里格斯，S。；塞古拉，C。；Loshchilov，I。；Hutter，F。；布恩菲尔。；Kheiri，A。；Keedwell，E。；Ocampo-Pineda，M。；厄兹坎，E。；na，S.I.V.P.公司。；Goldman，B。；Rionda，S.B。；埃尔南德斯·阿吉雷，A。；Veeramachaneni，K。；Cussat-Blanc，S.，风电场布局优化的进化计算，更新。能源，126681-691（2018）
[453] Long，H。；李，P。；Gu，W.，风电场布局优化的数据驱动进化算法，能源，208，第118310条，pp.（2020）
[454] 沙科尔，R。；哈桑，M.Y。；Raheem，A。；Wu，Y.-K.，尾流效应建模：使用詹森模型的风电场布局优化综述，更新。维持。《能源评论》，58，1048-1059（2016）
[455] 陶，S。；徐，Q。；Feijóo，A。；郑庚。；Zhou，J.，《非均匀风电场布局优化：最新综述》，《能源》，209，第118339条，pp.（2020）
[456] Jensen，N.O.，关于风力发电机相互作用的说明。代表（1983年），里瑟国家实验室
[457] Marmidis，G。；拉扎鲁，S。；Pyrgioti，E.，《使用蒙特卡罗模拟在风电场中优化风力涡轮机布局》，更新。能源，33，7，1455-1460（2008）
[458] 瓦格纳，M。；戴，J。；Neumann，F.，一种快速有效的局部搜索算法，用于优化风力涡轮机的布局，Renew。能源，51，64-70（2013）
[459] 冯，J。；沈伟忠，用随机搜索算法求解风电场布局优化问题，更新。能源，78，182-192（2015）
[460] 泽尔加内，S。；Smaili，A。；Masson，C.，使用新的伪随机数生成方法优化风电场中的风力涡轮机布局，Renew。能源，125，166-171（2018）
[461] Friedman，J.H.，多元自适应回归样条曲线，《统计年鉴》。，1-67 (1991) ·Zbl 0765.62064号
[462] Loh，W.-Y.，分类和回归树，Wiley Interdiscip。版本数据最小知识。发现。，1, 1, 14-23 (2011)
[463] 伊科诺莫夫斯卡，E。；伽马，J.a。；Díeroski，S.，从不断演变的数据流中学习模型树，data Min.Knowl。发现。，23, 1, 128-168 (2011) ·Zbl 1235.68158号
[464] R.Elwell。；Polikar，R.，非平稳环境中概念漂移的增量学习，IEEE Trans。神经网络。，22, 10, 1517-1531 (2011)
[465] Ditzler，G。；Polikar，R.，流不平衡数据概念漂移的增量学习，IEEE Trans。知识。数据工程，25，10，2283-2301（2012）
[466] G.Hulten，L.Spencer，P.Domingos，《挖掘时变数据流》，载《第七届ACM SIGKDD知识发现和数据挖掘国际会议论文集》，2001年，第97-106页。
[467] 戈麦斯，H.M。；Bifet，A。；里德·J。；巴达尔，J.P。；Enembreck，F。；Pfharinger，B。；霍姆斯，G。；Abdessalem，T.，进化数据流分类的自适应随机森林，马赫。学习。，106, 9-10, 1469-1495 (2017)
[468] Reichstein，M。；Camps-Valls，G。；史蒂文斯，B。；荣格，M。；登茨勒，J。；Carvalhais，N.，《数据驱动地球系统科学的深度学习和过程理解》，《自然》，5667743195-204（2019）
[469] Karpatne，A。；Atluri，G。；Faghous，J.H。；斯坦巴赫，M。；Banerjee，A。；Ganguly，A。；Shekhar，S。；北萨马托娃。；库马尔，V.，《理论指导的数据科学：从数据中科学发现的新范式》，IEEE Trans。知识。数据工程，29，10，2318-2331（2017）
[470] Goldman，M.S.，《神经网络中无反馈的记忆》，《神经元》，第61、4、621-634页（2009年）
[471] 巴拉克，O。；Tsodyks，M.，《具有动态突触的神经网络中的持续活动》，《公共科学图书馆·计算》。生物学，3，2，文章e35 pp.（2007）
[472] O.巴拉克。；Tsodyks，M.，工作记忆的工作模型，当前。操作。神经生物学。，25, 20-24 (2014)
[473] Little，W.A.，《大脑中持续状态的存在》，数学。生物科学。，19, 1-2, 101-120 (1974) ·Zbl 0272.92011号
[474] 乔杜里，R。；Fiete，I.，《记忆的计算原理》，《自然神经科学》。，19, 3, 394 (2016)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。