《动态数据驱动应用系统指南》以2016年在康涅狄格州哈特福德举行的DDDAS研讨会的研究成果为基础，分别从动态数据驱动应用系统介绍、测量感知（数据同化和不确定性量化）、信号感知（过程监控）、结构感知（健康建模）、环境感知（地球、生物和空间系统）、情景感知（追踪方法）、上下文感知（协调控制）、能源感知（能源系统）、过程感知（图像和视频编程）、网络感知（安全性和计算）、系统感知（设计方法）等方面，结合不同领域应用，详细阐述了DDDAS基本理论和数据汇聚、数据加工、数据服务可视化、数据价值变现等关键技术，为基于DDDAS研究复杂系统提供了参考。

埃里克·布拉舍是美国空军科学研究办公室的项目负责人。他的研究领域包括多域（空间、空中、地面）数据融合、目标跟踪、模式识别和机器人技术等。截至本书出版，他已撰写750多篇科学论文、22项专利、30本教材和5本专著。他曾获得包括美国军事传感器学会Mignogna数据融合奖，IEEE航空航天和电子系统协会Mimno最佳杂志论文奖和IEEE Russ生物工程奖等多项荣誉和奖项。他还是国际信息融合协会（ISIF）的创始人。他先后被任命为莱特州立大学兼职助理教授、国防研发署和加拿大发展部交换科学家、空军研究实验室官员。埃里克·布拉舍博士还是美国航空航天学会（AIAA）的副研究员、国际光学工程学会（SPIE）会员以及电气与电子工程师协会（IEEE）研究员。

第1章 动态数据驱动应用系统介绍
1.1 引言
1.2 什么是DDDAS
1.3 状态估计和数据同化
1.4 DDDAS方法
1.5 DDDAS发展历程
1.5.1 理论：建模与分析
1.5.2 方法：领域应用
1.5.3 设计：系统和架构
1.6 本书概述
1.7 DDDAS的未来
1.8 小结
参考文献
第一部分 测量感知：数据同化和不确定性量化
第2章 动态数据驱动相干流体映射中的可伸缩非高斯表示
2.1 引言
2.1.1 系统动力学及优化
2.1.2 动态变形精简模型
2.1.3 非线性高维推理
2.2 多集合的集成学习
2.3 非线性滤波必须减少总方差
2.4 堆叠级联学习
2.5 滤波中的信息论
2.6 应用示例
2.7 小结
参考文献
第3章 多尺度系统数据同化中的动态数据驱动自适应观测
3.1 引言
3.2 降维和均质化
3.3 多尺度系统中的数据同化
3.4 基于信息论的传感器选择策略
3.4.1 线性情况
3.4.2 粗粒度动力学的信息流
3.4.3 有限时间李雅普诺夫指数和奇异向量
3.4.4 传感器选择和Lorenz 1963模型
3.5 小结
参考文献
第4章 基于多项式混沌动态数据驱动+的不确定性量化空间态势感知
4.1 引言
4.2 高斯混合模型
4.3 多项式混沌
4.4 高斯混合模型的多项式混沌
4.5 全球电离层-热层模型
4.6 实验结果
4.6.1 轨道不确定性度量
4.6.2 大气密度预测的初步结果
4.7 小结
参考文献
第二部分 信号感知：过程监控
第5章 面向航空故障检测的学习时空数据流关系研究
5.1 引言
5.2 背景介绍
5.2.1 错误检测和纠正方法
5.2.2 时空数据流处理系统
5.3 机器学习组件的设计
5.3.1 PILO鸭编程语言的预测
5.3.2 PILO佟运行时的预测
5.4 线性模型的数据驱动学习
5.4.1 学习算法
5.4.2 线性模型精度
5.5 动态模型的统计学习
5.5.1 离线监督学习
5.5.2 动态在线无监督学习
5.6 案例分析：飞机重量估算
5.6.1 实验设置
5.6.2 线性回归估计气动模型参数
5.6.3 使用错误签名进行错误检测和纠正
5.6.4 使用动态贝叶斯分类器进行错误检测
……
第三部分 结构感知：健康建模
第四部分 环境感知：地球、生物和空间系统
第五部分 情景感知：追踪方法
第六部分 上下文感知：协调控制
第七部分 能源感知：能源系统
第八部分 过程感知：图像和视频编码
第九部分 网络感知：安全性和计算
第十部分 系统感知：设计方法