Predictability and Nonlinear Modelling in Natural Sciences and Economics
Les chercheurs en sciences naturelles sont confrontés à des problèmes qui nécessitent une nouvelle approche pour améliorer la qualité des prévisions de processus sensibles aux conditions environnementales. La non-linéarité d'un système peut compliquer considérablement la prévisibilité des états futurs : une petite variation des paramètres peut modifier radicalement la dynamique, tandis qu'une dépendance sensible de l'état initial peut limiter considérablement l'horizon de prévisibilité. Les incertitudes jouent également un rôle.
Ce volume aborde ces problèmes en utilisant des outils de la théorie du chaos et de la théorie des systèmes, adaptés à l'analyse des problèmes dans les sciences de l'environnement. La dépendance sensible de l'état initial (chaos) et des paramètres est analysée à l'aide de méthodes telles que les exposants de Lyapunov et la simulation de Monte Carlo. L'incertitude dans la structure et les valeurs des paramètres d'un modèle est étudiée en relation avec les processus qui dépendent des conditions environnementales. Ces méthodes s'appliquent également à la biologie et à l'économie.
Destiné aux chercheurs des universités et des instituts (semi-)gouvernementaux pour l'environnement, l'agriculture, l'écologie, la météorologie et la gestion de l'eau, ainsi qu'aux économistes théoriques.
© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)