从ODE或SDE模拟系统，分析时间序列。
nsim的Python项目详细描述
模拟
nsim是用于物理、生物学和金融领域的系统，这些系统是用微分方程连续时间建模的。nsim使定义和模拟这些（包括适当的噪声处理）和分析产生的时间序列变得容易。
- 自动并行计算/集群计算：对于多个或重复的模拟，nsim将它们分布在集群或amazon ec2云（或一台计算机的cpu）上，而无需进行任何并行编程。（首先配置一个IPython cluster。例如，在一台计算机上可以键入ipcluster start）
要定义标量或向量ode系统，请子类ODEModel。（参见examples）定义标量或向量sde系统，子类ItoModel或StratonovichModel。现在支持多个驱动维纳进程。默认情况下，SDE积分使用1.0阶强随机Runge-Kutta算法（R_ler2010）。要定义标量或向量caputo分数ode系统，请子类CaputoModel。
模型参数可以指定为随机分布，以创建多个不相同的模拟。
NetworkModel类允许您模拟耦合到网络中的许多子系统，网络结构指定为加权有向图。子模型可以都是相同的，但它们不一定是相同的。（可以选择使用networkx包生成各种在网络模型中有用的随机、集群和小世界图）。网络模型中的子模型甚至可以是用于模拟网络的其他网络模型。
分析时间序列
除了模拟得到的时间序列外，还可以从Matlab.mat文件或.edf文件中加载经验时间序列数据进行分布式分析。
- nsim提供了一个Timeseries类。这是一个numpy数组。它允许按时间而不是按数组索引对数组进行切片，例如可以将ts.t[10.5:30]从t=10.5写到t=30秒。当操作数组时，它将跟踪多变量时间序列的任何通道名（或变量名）。
要获得最佳结果，请使用启用了__numpy_ufunc__功能（尚未发布）的numpy。这使我们能够在分析得到的时间序列时支持分布式计算。您可以在此处启用此实验功能获得numpy：https://github.com/mattja/numpy/archive/master.zip
待办事项
- 自动生成覆盖点格的多个模拟 参数空间，并行运行。
- 任选地允许在c中指定和积分方程， 对于速度
- 添加对具有时间延迟（DDE和延迟SDE）的模型的支持。
- 目前，单个CPU核心用于模拟 模型，包括网络模型。理想情况下可以使用共享内存和 每个集群主机上有多个CPU核，用于模拟模型实例， 在单个主机上均匀地跨CPU拆分自由度。
另请参见：
sdeint：sde集成算法库，由nsim用来进行模拟。https://github.com/mattja/sdeint
fodeint：由nsim使用的分数ode集成算法库。https://github.com/mattja/fodeint
欢迎加入QQ群-->： 979659372
