目录

●译者序
前言
第1章 简介 1
1.1 为何撰写本书？ 1
1.2 本书范围与结构 2
第一部分 基础
第2章 动态系统、仿真与数据 7
2.1 动态系统和仿真 7
2.2 建模与仿真框架 10
2.3 离线仿真和在线仿真 12
2.4 数据的兴起 13
2.5 数据与仿真的联系 15
2.6 将仿真模型和实时数据关联起来 21
2.7 数据建模与仿真建模 22
2.8 参考资料 26
第3章 仿真模型和算法 27
3.1 仿真模型的分类 27
3.2 仿真模型和仿真器的结构视图 31
3.3 连续模型和仿真算法 32
3.4 离散时间模型和仿真算法 35
3.5 离散事件模型和仿真算法 38
3.6 基于智能体的模型和仿真算法 46
3.7 元胞空间模型 49
3.8 系统动力学模型 52
3.9 参考资料 54
第4章 概率论基础 55
4.1 随机变量和概率分布 55
4.2 联合分布、边缘分布和条件概率 57
4.3 期望、方差和协方差 58
4.4 多维随机变量的分布 59
4.5 蒙特卡罗法 60
4.6 参考资料 62
第二部分 动态数据驱动仿真
第5章 动态数据驱动仿真 65
5.1 动态数据驱动仿真是什么？ 65
5.2 动态数据驱动仿真活动 68
5.3 实时数据 70
5.4 动态状态估计 72
5.5 在线模型校准 76
5.6 外部输入建模与预测 78
5.7 基于仿真的预测/分析 83
5.8 与其他建模与仿真活动的关系 85
5.9 参考资料 87
第6章 数据同化 88
6.1 引言 88
6.2 状态空间和置信度分布 88
6.3 概率化的状态表示 90
6.4 数据同化问题 98
6.5 序贯贝叶斯滤波 103
6.6 根据测量数据进行似然计算 112
6.7 卡尔曼滤波 117
6.8 粒子滤波 127
6.9 参考资料 139
第7章 用于离散仿真的动态数据驱动仿真 140
7.1 引言 140
7.2 动态数据驱动仿真框架 140
7.3 基于粒子滤波的数据同化 144
7.4 Identical Twin 实验方法 150
7.5 教程示例 151
7.6 参考资料 170
第三部分 应用与展望
第8章 野火蔓延仿真的应用 173
8.1 引言 173
8.2 用于野火蔓延仿真的DDDS 173
8.3 DEVS-FIRE 仿真模型 178
8.4 温度测量数据 180
8.5 基于数据同化的动态状态估计 181
8.6 基于空间划分的粒子滤波 189
8.7 并行/分布式粒子滤波 193
8.8 参考资料 194
第9章 展望未来 195
9.1 新的研究和发展领域 195
9.2 仿真模型 195
9.3 测量数据 196
9.4 数据同化 197
9.5 外部输入 197
9.6 计算成本 198
9.7 DDDS应用 198
参考文献 199