A flexible approach to model coupling through probabilistic pooling

اتصال مدل یک رویکرد مهم برای مطالعه پویایی سیستم های پیچیده است، اما با معرفی حلقه های بازخورد جدید، پویایی مدل های مرتبط می تواند به صورت مصنوعی تحریف شود. این مقاله روش جدیدی از مدل سازی را ارائه می دهد که این مشکل را از طریق یک فرم دینامیکی تنظیم می کند. این روش اجازه می دهد که تکامل سری زمانی متغیرهای مدل با چندین مدل و مدل ها به یکدیگر متصل شوند و نسبت به درجه اطمینان آنها تاثیر بگذارد. اشکال جدا شده از مدل های متحرک می تواند به عنوان پویا های پویا در مسیر متغیرهای متصل شده، تقویت ثبات مدل و ارائه کالیبراسیون اضافی از روند اتصال. در نهایت، مدل هایی که مقیاس های مختلف فضایی را توصیف می کنند، می توانند به مدل های چند بعدی تقسیم شوند به طوری که، به عنوان مثال، مدل های توزیع شده فضایی می توانند با مدل های جمع و جور ترکیب شوند و بر یکدیگر تاثیر بگذارند. ما این تکنیک را به یک سیستم اجتماعی-اکولوژیک مرتبط با رشد جمعیت و برداشت اکوسیستم متصل می کنیم.