马焕飞;Leng，泗阳;陈洛南 非线性动力学的基于数据的预测和因果推断。 （英语） Zbl 1383.92012年 科学。中国，数学。 61，第3号，404-420（2018）. 摘要：自然系统通常是非线性和复杂的，为了理解其机制，能够重建系统是非常有趣的，它不仅可以恢复非线性行为，还可以预测未来的动力学。由于现代技术的进步，大数据变得越来越容易获取，因此，从测量数据或时间序列重建系统的问题在许多科学学科中发挥着中心作用。近几十年来，基于状态空间重构的非线性方法得到了发展，它们不假设任何模型方程，但可以纯粹从测量的时间序列数据恢复动力学。在这篇综述中，将介绍状态空间重构技术的发展，并介绍利用状态空间重构进行系统预测和因果推断的最新进展。特别是，将重点介绍处理短期时间序列数据的前沿方法。最后，讨论了这一领域的优势以及存在的问题。 MSC公司： 第92页第15页 普通生物统计学 62页第10页 统计学在生物学和医学中的应用；元分析 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：非线性系统;预测;因果关系推断;时间序列数据 软件：提森的 PDF格式BibTeX公司 XML格式引用 \textit{H.Ma}等人，科学。中国，数学。61，第3号，404--420（2018；Zbl 1383.92012） 全文： DOI程序 arXiv公司 参考文献： [1] Ancona N，Marinazzo D，Stramaglia S.时间序列非线性Granger因果关系的径向基函数方法。物理版E（3），2004，70:056221 [2] Ansari-Asl K，Senhadji L，Bellanger J J等。表征脑信号之间相互依赖性的线性和非线性方法的定量评估。物理评论E（3），2006，74:031916 [3] Arnhold J，Grassberger P，Lehnertz K等。检测相互依赖性的稳健方法：脑内记录脑电图的应用。物理博士，1999，134:419-430·Zbl 0976.92011号 [4] Blinowska K J，Ku si R，Kamiñski M.Granger多元过程中的因果关系和信息流。物理评论E（3），2004，70:050902 [5] Boyce M S.种群生存力分析。《经济系统年鉴》，1992年，23:481-497 [6] Breakspear M，Terry J.正常多通道人体脑电图数据中非线性相互依赖性的检测和描述。临床神经生理学，2002，113:735-753 [7] Brovelli A，Ding M，Ledberg A等。大规模感觉运动皮层网络中的β振荡：格兰杰因果关系揭示的方向性影响。美国国家科学院院刊，2004，101:9849-9854 [8] Buzug T，Pster G。通过分析奇异吸引子的全局静态和局部动态行为，获得延迟时间坐标的最佳延迟时间和嵌入维数。Phys Rev A（3），1992年，45:7073-7084 [9] Candes E J，Romberg J K，Tao T。从不完整和不准确的测量中恢复稳定信号。Comm Pure应用数学，2006，59:1207-1223·邮编1098.94009 [10] Casdagli M.混沌时间序列的非线性预测。《物理学D》，1989年，35:335-356·兹比尔0671.62099 [11] Casdagli M、Eubank S、Farmer J D等。噪声存在下的状态空间重建。物理学D，1991，51:52-98·Zbl 0736.62075号 [12] 陈磊，刘润，刘忠，等。利用动态网络生物标记物检测复杂疾病突发恶化的预警信号。科学代表，2012，2:342 [13] David O、Guillemain I、Sailet S等。用功能MRI识别神经驱动因素：电生理学验证。《公共科学图书馆·生物》，2008年，6:e315 [14] de Jong H.遗传调控系统的建模和模拟：文献综述。计算机生物学杂志，2002，9:67-103 [15] Deyle E R、Fogarty M、Hsieh C H等。太平洋沙丁鱼的气候效应预测。美国国家科学院院刊，2013，110:6430-6435 [16] Deyle E R、Maher M C、Hernandez R D等。inuenza的全球环境驱动因素。美国国家科学院院刊，2016，113:13081-13086 [17] Deyle E R，Sugihara G.非线性状态空间重构的广义定理。公共科学图书馆·综合》，2011年，6:e18295 [18] Fan J，Han F，Liu H.大数据分析的挑战。《国家科学评论》，2014年，1:293-314 [19] Farmer J，Sidorowich J.预测混沌时间序列。Phys Rev Lett，1987年，59:845-848 [20] Finkenstädt B，Kuhbier P.预测非线性经济时间序列：伴随最近邻法的简单测试。《Empir Econ》，1995，20:243-263 [21] Fraser A M，Swinney H L。相互信息中奇异吸引子的独立坐标。《物理学评论A》（3），1986年，33:1134·Zbl 1184.37027号 [22] Geweke J.经济时间序列模型中的推断和因果关系。收录于：《计量经济学手册》，第2卷。阿姆斯特丹：爱思唯尔，1984年，1101-1144·Zbl 0587.62197号 [23] Granger C.通过计量经济学模型和交叉谱方法研究因果关系。《计量经济学》，1969年，37:424-438·Zbl 1366.91115号 [24] Granger C.时间序列分析、协整和应用。Amer Econ Rev，2004年，94:421-425 [25] Grassberger P，Procaccia I.测量奇怪吸引子的奇异性。《物理学D》，1983年，9:189-208·Zbl 0593.58024号 [26] Grassberger P，Schreiber T，Schaffrath C.非线性时间序列分析。《国际分叉混沌杂志》，1991年，1:521-547·兹比尔0874.58029 [27] 郭S，吴杰，丁敏，等。揭示频域中的相互作用。《公共科学图书馆·计算生物学》，2008年，4:e1000087 [28] Haefner J W.生物系统建模：原理和应用。纽约：Springer Science&Business Media，2005·Zbl 1204.92002年 [29] Hamilton J D.时间序列分析，第2卷。普林斯顿：普林斯顿大学出版社，1994年·Zbl 0831.62061号 [30] Hegger R，Kantz H，Schreiber T。非线性时间序列方法的实际实现：TISEAN包。混沌，1999，9:413-435·Zbl 0990.37522号 [31] Heskamp L，Meel-van den Abeelen A，Lagro J等。收敛交叉映射：一种有前途的大脑自动调节估计技术。国际临床神经科学与心理健康杂志，2014，1:S20 [32] Hirata Y，Aihara K。从双变量时间序列中识别隐藏的共同原因：使用递归图的方法。物理版E（3），2010，81:016203 [33] Hirata Y、AmigóJ M、Matsuzaka Y等。综合使用多种方法检测因果关系：气候和大脑示例。《公共科学图书馆综合》，2016年，11:e0158572 [34] Hlaváčková-Shindler K，PalušM，Vejmelka，M等，时间序列分析中基于信息理论方法的因果关系检测。物理代表，2007，441:1-46 [35] Hodgkin A L，Huxley A F。膜电流的定量描述及其在神经传导和兴奋中的应用。《公牛数学生物学》，1990年，52:25-71 [36] Huffaker，R。；Fearne，A.，《促销与英国啤酒促销和销售之间动态因果关系的实证测试》，270-274（2014），因斯布鲁克-伊格斯 [37] Ikeguchi T，Aihara K。用可靠的方法估计生物时间序列的相关维数。智能模糊系统杂志，1997，5:33-52 [38] Jamšek J，Stefanovska A，McClintock P V.时域双谱分析揭示的非线性心脏-呼吸相互作用。《物理医学生物学》，2004，49:4407-4425 [39] Jiang J J，Huang Z G，Huang L，et al.有向动力学影响在噪声中更容易检测到。科学代表，2016，6:24088 [40] Judd K.非线性状态估计、不可区分状态和扩展卡尔曼滤波器。物理学D，2003，183:273-281·Zbl 1036.37034号 [41] Kamiñski M，Ding M，Truccolo W A等。评估神经系统中的因果关系：格兰杰因果关系、定向传递函数和显著性的统计评估。生物网络，2001，85:145-157·Zbl 1160.92314号 [42] Kantz H，Schreiber T.非线性时间序列分析，第7卷。剑桥：剑桥大学出版社，2004·Zbl 1050.62093号 [43] Kember G，Fowler A.相位肖像重建中用于选择时间延迟的相关函数。Phys Lett A，1993年，179:72-80 [44] Kennel M B，Brown R，Abarbanel H D。使用几何结构确定相空间重建的嵌入尺寸。《物理学评论A》（3），1992年，45:3403-3411 [45] Kurths J，Ruzmaikin A.关于预测太阳黑子数量。Sol Phys，1990年，126:407-410 [46] Lai Y C，David L，Hayden R.混沌时间序列分析中适当延迟时间的上界。Phys Lett A，1996年，218:30-34 [47] Lai Y C，Lerner D。从混沌时间序列计算相关维的有效尺度机制。物理D，1998，115:1-18·Zbl 0941.37055号 [48] Le Van Quyen M、Martinerie J、Adam C等。发作间期脑电图的非线性分析绘制了人类局灶性癫痫的大脑相关性图。《物理学D》，1999年，127:250-266·Zbl 1054.92502号 [49] 李毅，陈磊。生物大数据：挑战与机遇。基因组蛋白质组学生物信息，2014，12:187-189 [50] Liebert W，Pawelzik K，Schuster H.从拓扑考虑混沌吸引子的最优嵌入。Europhys Lett EPL，1991，14:521-526 [51] Liebert W，Schuster H。混沌时间序列分析中时滞的正确选择。Phys Lett A，1989，142:107-111 [52] Lindegren M、Checkley D M、Rouyer T等人。加利福尼亚海流中沙丁鱼和凤尾鱼的气候、捕捞和波动。美国国家科学院院刊，2013，110:13672-13677 [53] 刘润，陈鹏，艾原K，等。利用动态网络标记识别强噪声临界过渡的预警信号。科学代表，2015年，5:17501 [54] 刘润，王晓伟，艾哈拉K，等。分子生物标志物、网络生物标志物和动态网络生物标记物对复杂疾病的早期诊断。医学研究版，2014年，34:455-478 [55] 刘旭，王毅，纪赫，等。利用样本特异性网络对疾病进行个性化表征。核酸研究，2016，44:e164 [56] 洛克哈特·D·J、温策勒·E·A。基因组学、基因表达和DNA阵列。《自然》，2000，405:827-836 [57] Longtin A.感觉神经元棘波序列的非线性预测。国际分叉混沌杂志，1993，3:651-661·Zbl 0875.92026号 [58] Lorenz E N.自然发生类似物揭示的大气可预测性。大气科学杂志，1969，26:636-646 [59] Ma H，Aihara K，Chen L.利用短期时间序列从非线性动力学中检测因果关系。科学代表，2014，4:7464 [60] Ma H，Leng S，Tao C，等。基于复杂动力系统时间序列的时滞和方向相互作用检测。Phys修订版E（3），2017，96:012221 [61] Ma H，Zhou T，Aihara K，等。从短期高维数据预测时间序列。国际分叉混沌杂志，2014，24:143033·Zbl 1305.37043号 [62] Marbach D、Prill R J、Schaffter T等。揭示基因网络推理方法的优缺点。美国国家科学院院刊，2010，107:6286-6291 [63] Marinazzo D，Pellicoro M，Stramaglia S.非线性Granger因果关系的Kernel方法。《物理评论快报》，2008年，100:144103 [64] McBride J C，Zhao X，Munro N B，等。用于检测早期阿尔茨海默病的头皮脑电图因果关系分析。《神经影像临床》，2015，7:258-265 [65] McCracken J M，Weigel R S。收敛交叉映射和两两不对称推理。Phys Rev E（3），2014年，90:062903 [66] McGowan J A、Deyle E R、Ye H等。预测加利福尼亚州南部沿海藻类水华。生态学，2017，98:1419-1433 [67] Müller A、Kraemer J F、Penzel T等。生理信号中的因果关系。生理测量，2016，37:R46 [68] Nollo G，Faes L，Antolini R等。通过非线性预测方法评估正常和受损的短期心血管调节的因果关系。Philos Trans R Soc Lond Ser A数学物理工程科学，2009，367:1423-1440 [69] Packard N H，Crutcheld J P，Farmer J D等人，《时间序列的几何》。Phys Rev Lett，1980年，45:712-716 [70] Pecora L M，Moniz L，Nichols J等。吸引子重建的统一方法。混沌，2007，17:013110·Zbl 1159.37378号 [71] Pereda E，Quiroga R Q，Bhattacharya J.神经生理学信号的非线性多元分析。神经生物学进展，2005，77:1-37 [72] Pikovsky A.离散动态噪声滤波。Sov J Commun Technol Electron，1986，31:81-85 [73] Quackenbush J.微阵列数据规范化和转换。Nat Genet，2002，32:496-501 [74] Quian Quiroga R、Kraskov A、Kreuz T等。不同同步措施在实际数据中的性能：脑电图信号的案例研究。物理评论E（3），2002，65:041903 [75] Rienecker M M，Suarez M J，Gelaro R，et al.梅拉：美国宇航局的研究和应用现代回顾性分析。气候杂志，2011，24:3624-3648 [76] Robinson J C.采用无穷维动力系统的嵌入定理。非线性，1999，12:1263-1275·Zbl 0932.28006号 [77] Rosenstein M T、Collins J J、De Luca C J。重建扩展作为选择适当延迟时间的基于几何的框架。物理学D，1994，73:82-98 [78] Sauer T、Yorke J、Casdagli M.嵌入式。《统计学杂志》，1991，65:579-616·Zbl 0943.37506号 [79] Schiff S J，So P，Chang T，等。通过神经集成中的相互预测检测动态相互依赖和广义同步。Phys Rev E（3），1996年，54:6708-6724 [80] Schumacher J、Wundele T、Fries P等。从复杂系统测量推断信息流延迟和方向的统计框架。神经计算，2015，27:1555-1608·Zbl 1418.62352号 [81] Sello S.太阳周期预测：非线性动力学方法。《天体物理学》，2001，377:312-320 [82] Small M.应用非线性时间序列分析：物理学、生理学和金融应用，第52卷。新加坡：《世界科学》，2005年·Zbl 1186.62109号 [83] 史密斯·L·A。我们可以从气候预测中学到什么？美国国家科学院院刊，2002，99:2487-2492 [84] Stam C J.脑电和脑电非线性动力学分析：新兴领域综述。临床神经生理学，2005，116:2266-2301 [85] Stark J，Broomhead D，Davies M等。强制和随机系统的Takens嵌入定理。非线性分析，1997，30:5303-5314·Zbl 0896.93019号 [86] Stark J、Broomhead D、Davies M等。强迫系统的延迟嵌入，II：随机强迫。非线性科学杂志，2003，13:519-577 [87] Stein R R、Bucci V、Toussaint N C等。基于时间序列推断的生态建模：肠道微生物群的动力学和稳定性。《公共科学图书馆·计算生物学》，2013年，9:e1003388 [88] Strogatz S H.探索复杂网络。《自然》，2001，410:268-276·Zbl 1370.90052号 [89] Sugihara G.自然时间序列分类的非线性预测。Philos Trans R Soc Lond Ser A Math Phys Eng Sci，1994年，348:477-495·Zbl 0864.92001 [90] Sugihara G，May R.非线性预测作为区分时间序列中混沌和测量误差的一种方法。《自然》，1990年，344:734-741 [91] Sugihara G，May R，Ye H，等。复杂生态系统中因果关系的检测。科学，2012，338:496-500·Zbl 1355.92144号 [92] Tajima S、Yanagawa T、Fujii N等。通过交叉嵌入来解开意识中的大脑动力学。《公共科学图书馆·计算生物学》，2015年11月：e1004537 [93] Takens，F.，《探测湍流中的奇怪吸引子》，366-381（1981），柏林-纽约·Zbl 0513.58032号 [94] Theiler J.应用于有限时间序列数据的相关算法中的伪维。Phys Rev A（3），1986年，34:224272432 [95] Tsonis A A，Elsner J B。非线性预测作为区分混沌和随机分形序列的一种方法。《自然》，1992，358:217-220 [96] van Nes E H、Scheffer M、Brovkin V等。气候变化中的因果反馈。自然气候变化，2015，5:445-448 [97] Wang W X，Lai Y-C，Grebogi C.非线性和复杂动力系统的基于数据的识别和预测。物理代表，2016，644:1-76·Zbl 1359.70089号 [98] 魏根德，A。；Gershenfeld，N.，《时间序列预测：预测未来和理解过去》（1994年），上鞍河 [99] Whitney H.可微流形。数学年鉴（2），1936，37:645-680·兹宝利0015.32001 [100] 维纳N。预测理论。现代数学工程，1956，1:125-139 [101] Wu J，Loucks O L.《从自然平衡到等级斑块动力学：生态学的范式转变》。Q生物版，1995，70:439-466 [102] Ye H，Beamish R J，Glaser S M，等。基于经验动态模型的无方程机械生态系统预测。美国国家科学院院刊，2015，112:1569-1576 [103] Ye H，Deyle E R，Gilarranz L J，等。使用收敛交叉映射区分时滞因果交互作用。科学代表，2015，5:14750 [104] Ye H，Sugihara G.互联生态系统中的信息杠杆：克服维度的诅咒。科学，2016，353:922-925 [105] 赵杰，周毅，张欣，等。用于量化网络中直接关联的部分互信息。美国国家科学院院刊，2016，113:5130-5135 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。