Prinzipiell muß man sich hierbei auf die wesentlichen Systemeinflußgrößen beschränken.
Der Modellbildung geht das Studium nichtlinearer Modelle voraus.
Hierfür werden neue mathematische Modelle aufgestellt und untersucht.
Beispiele zu den Modellen sind:
nichtlineare diskrete Abbildungen, neuronale Netze, zelluläre Automaten, locally coupled maps, symbolische Dynamik und Fuzzy Systems.
Aus der Vielfalt der Modelle gilt es dasjenige zu wählen, welches das reale System am besten beschreibt.Hierbei steht vor allem das Ziel der Modellbildung im Vordergrund, weniger die dynamischen Größen.
Dies erfordert eine enge Zusammenarbeit derer, die sich mit den mathematischen Modellen auskennen mit denen, welche das reale System studiert haben.
Das Auffinden des jeweilig optimalsten Modells stellt wiederum oft ein nichtlineares Problem dar.
Auch hierfür ist es zweckmäßg, Lösungsmethoden zu entwickeln.