Bu çalışma, teknik, bilgi, ekonomik veya yönetim sistemleri gibi çok sayıda değişkenin birbirini etkilediği dinamik yapılarda mevcut durumun yalnız o anda yapılan ölçümlerden değil, sistemin geçmiş davranışından da yararlanılarak temsil edilmesini amaçlayan kuramsal bir matematiksel model öneriyor. Modelin temelinde Volterra tipi integral denklem bulunuyor. Böylece sistemin bugünkü durumunun, önceki zamanlarda aldığı durumların ağırlıklı toplamından etkilenebilmesi matematiksel olarak ifade ediliyor.

Önerilen yaklaşımda sistem önce \(n\) boyutlu bir durum vektörüyle tanımlanıyor. Ölçülebilen çıktılar ayrı bir gözlem operatörü veya gözlem matrisi aracılığıyla bu iç durumlara bağlanıyor. Daha sonra geçmiş durumların mevcut duruma etkisi integral çekirdek fonksiyonu \(K(t,\tau)\) aracılığıyla modele dahil ediliyor. Çalışmada örnek olarak kullanılan üstel çekirdek:

\[ K(t,\tau)=A e^{-\lambda(t-\tau)} \]

biçimindedir. Bu gösterimde yakın geçmişin etkisi daha güçlü tutulurken geçmişe gidildikçe katkının üstel olarak azalması amaçlanmaktadır.

Makalenin son aşamasında \(R:X\rightarrow C\) biçimindeki bir tanıma operatörü tanımlanarak hesaplanan sistem durumunun örneğin “normal”, “kritik” veya “arıza/acil durum” gibi sınıflardan birine atanabileceği ifade ediliyor. Ancak kaynak belirli bir sınıflandırma algoritması, eşik değeri veya öğrenilmiş karar sınırı oluşturmuyor. Dolayısıyla bu operatör uygulamaya hazır bir sınıflandırıcı değil, önerilen matematiksel mimarinin kavramsal son aşamasıdır.

Çalışmanın kuramsal bölümünde Volterra denkleminin çözümünün varlığı ve tekliği Banach sabit nokta ilkesiyle, integral operatörün davranışı ise fonksiyonel analizdeki sınırlı operatör yaklaşımıyla tartışılıyor. Bununla birlikte verilen ispatlar ayrıntılı bir fonksiyon uzayı ve norm analizi yerine kısa ispat taslakları niteliğindedir. Özellikle operatörün sınırlı olmasından doğrudan genel çözüm kararlılığı sonucuna geçilmesi ek koşullar gerektirebilir.

En önemli sınır, modelin gerçek veya sentetik bir karmaşık sistem üzerinde sınanmamış olmasıdır. Çalışmada tanıma doğruluğu, yanlış alarm oranı, tahmin hatası, hesaplama maliyeti, gürültü dayanımı veya klasik durum-uzayı modelleriyle karşılaştırma bulunmamaktadır. Bu nedenle kaynak, integral denklem yaklaşımının pratikte daha yüksek doğruluk sağladığını deneysel olarak göstermemekte; bunun için teorik bir çerçeve ve gelecekte sınanabilecek bir model ortaya koymaktadır.

Türkiye açısından yaklaşım; makine durum izleme, enerji sistemleri, endüstriyel prosesler, üretim hatları, bilgi sistemleri ve kestirimci bakım gibi geçmiş davranışın mevcut durum üzerinde etkili olduğu problemler için araştırılabilecek matematiksel bir temel sunabilir. Ancak gerçek bir uygulamaya geçmeden önce integral çekirdeğinin veriden nasıl belirleneceği, hangi durum değişkenlerinin ölçülebileceği, gürültünün nasıl modellenebileceği, sınıflandırıcının nasıl eğitileceği ve sonuçların gerçek arıza etiketleriyle nasıl doğrulanacağı ayrıca gösterilmelidir.

Karmaşık sistemlerin durumunu tanımak neden zor?

Çalışmanın çıkış noktası, modern sistemlerin davranışının çoğu zaman tek değişkene indirgenememesidir. Teknik bir tesiste sıcaklık, basınç, titreşim, akım, yük ve çevresel koşullar aynı anda değişebilir; bir bilgi veya yönetim sisteminde ise çok daha farklı değişkenler birbirine bağlı biçimde hareket edebilir.

Bu nedenle sistemin belirli bir andaki durumu yalnız tek ölçümle değil, birden fazla parametrenin birlikte oluşturduğu bir durum uzayı içinde temsil edilmektedir.

Kaynak bunu:

\[ X(t)= \begin{bmatrix} x_1(t)\\ x_2(t)\\ \vdots\\ x_n(t) \end{bmatrix} \]

veya eşdeğer biçimde

\[ X(t)=\left(x_1(t),x_2(t),\ldots,x_n(t)\right)^T \]

olarak tanımlıyor.

Burada \(X(t)\), \(t\) anında sistemin bütün temel iç değişkenlerini içeren durum vektörüdür.

Gözlenen veri ile gerçek iç durum aynı şey midir?

Hayır. Gerçek sistemlerde bütün iç değişkenleri doğrudan ölçmek çoğu zaman mümkün değildir. Sensörler yalnız sistem durumunun belirli yansımalarını gözlemleyebilir.

Çalışmanın ilk genel gösteriminde:

\[ Y(t)=H(X(t)) \]

ifadesi kullanılıyor. Burada \(H\), iç durumu gözlenebilir çıkışa dönüştüren genel bir gözlem operatörüdür.

Daha sonra model doğrusal gözlem ve ölçüm gürültüsünü içerecek biçimde:

\[ Y(t)=CX(t)+V(t) \]

şeklinde yazılıyor.

Burada:

• \(Y(t)\): ölçülen çıktı vektörü,
• \(C\): gözlem matrisi,
• \(X(t)\): gerçek durum vektörü,
• \(V(t)\): ölçüm hatası veya rastgele gürültüdür.

Bu ayrım önemlidir çünkü bir sistemin durumunun tanınması, yalnız sensör verisini okumaktan farklı bir problemdir. Ölçümden iç duruma ilişkin çıkarım yapmak gerekir.

Volterra integral denklemi modele ne ekliyor?

Klasik anlık bir model yalnız \(t\) anındaki değişkenleri kullanabilir. Çalışmanın önerdiği yaklaşım ise sistemin geçmiş durumlarının mevcut duruma etkisini açıkça hesaba katmaktadır:

\[ X(t)=F(t)+ \int_0^t K(t,\tau)X(\tau)\,d\tau \]

Burada \(F(t)\) harici etkileri veya bilinen girdileri temsil eden vektör fonksiyonudur. \(K(t,\tau)\) ise geçmişteki \(X(\tau)\) durumunun bugünkü \(X(t)\) üzerindeki etkisini belirleyen integral çekirdek matrisidir.

Üst integral sınırının \(t\) olması modelin nedensel yapısını gösterir: mevcut durum gelecekteki değerlerden değil, yalnız geçmiş ve mevcut zaman aralığından etkilenmektedir.

“Hafıza etkisi” ne demektir?

Bir sistemde geçmişte yaşanan olayların etkisi hemen kaybolmuyorsa sistem hafızalı davranış gösterir. Örneğin bir mekanik yapının geçmiş yüklenmeleri, bir ekonomik sistemin önceki şokları veya bir bilgi sisteminin önceki trafik durumları mevcut davranışı etkileyebilir.

Integral denklem bu geçmiş katkıları tek tek saklamak yerine bütün geçmiş zaman aralığı üzerinde ağırlıklı olarak toplar.

Bu nedenle \(K(t,\tau)\) çekirdeği modelin en kritik parçalarından biridir. Hangi geçmiş bilginin ne kadar önemli olduğunu çekirdeğin biçimi belirler.

Üstel çekirdek ne ifade ediyor?

Kaynak örnek çekirdek olarak:

\[ K(t,\tau) = A e^{-\lambda(t-\tau)} \]

ifadesini kullanıyor.

\(A\), geçmiş durum ile mevcut durum arasındaki bağın büyüklüğünü temsil ederken \(\lambda\) hafızanın ne kadar hızlı sönümlendiğini kontrol eder.

\(\lambda\) büyüdükçe:

\[ e^{-\lambda(t-\tau)} \]

daha hızlı küçülür ve uzak geçmişin ağırlığı azalır. Böyle bir sistem ağırlıklı olarak yakın geçmişe duyarlı hâle gelir.

\(\lambda\) küçükse daha eski durumların etkisi daha uzun süre korunabilir.

Çekirdek neden sabit bir sayı değil de matris olabilir?

Çok değişkenli bir sistemde bir durum değişkeninin geçmiş değeri yalnız kendisini değil başka değişkenleri de etkileyebilir. Bu nedenle \(K(t,\tau)\) bir matris olarak düşünülürse her eleman farklı değişkenler arasındaki zamansal etkileşimi temsil edebilir.

Örneğin kavramsal olarak:

\[ K(t,\tau)= \begin{bmatrix} k_{11} & k_{12}\\ k_{21} & k_{22} \end{bmatrix} \]

biçimindeki bir yapı birinci durum değişkeninin geçmiş değerinin ikinci durum değişkenine etkisini de modelleyebilir.

Kaynak bu çapraz etkileri gerçek bir sistem üzerinde sayısal olarak belirlememiştir; matris biçimi genel model yapısının bir parçasıdır.

Model durum tanımayı nasıl gerçekleştiriyor?

Integral denklem hesaplanan veya tahmin edilen \(X(t)\) durumunu verir. Bunun ardından kaynak:

\[ R:X\rightarrow C \]

tanıma operatörünü tanımlamaktadır.

Burada \(C\) olası durum sınıfları kümesidir. Örneğin:

\[ C= \{ C_{\mathrm{normal}}, C_{\mathrm{kritik}}, C_{\mathrm{acil}} \} \]

gibi sınıflar düşünülebilir.

Eğer:

\[ R(X)=C_k \]

ise sistem \(k\). durum sınıfına atanır.

Ancak çalışma \(R\)'nin matematiksel biçimini, eşiklerini veya öğrenme algoritmasını tanımlamıyor. Bu nedenle asıl “tanıma” aşaması genel bir operatör olarak bırakılmıştır.

Bu durum neden önemlidir?

Bir durum tahmin modeli ile durum sınıflandırıcısı aynı şey değildir. Integral denklem \(X(t)\)'yi temsil edebilir veya tahmin edebilir; fakat “normal” ile “kritik” arasındaki sınırı ayrıca tanımlamak gerekir.

Pratik bir sistem için en azından:

• durum sınıflarının tanımı,
• etiketli eğitim veya doğrulama verisi,
• karar eşikleri,
• yanlış pozitif ve yanlış negatif ölçümleri,
• tanıma doğruluğu

gibi bilgiler gerekir. Kaynak bu aşamaları gerçekleştirmemektedir.

Birinci teorem ne söylüyor?

Kaynak, \(K(t,\tau)\) çekirdeğinin kapalı bölgede sürekli ve sınırlı olması hâlinde Volterra tipi integral denklemin tek çözümünün bulunduğunu ifade ediyor.

Integral operatör:

\[ (Tx)(t) = f(t)+ \int_0^t K(t,\tau)x(\tau)\,d\tau \]

olarak tanımlanıyor.

Daha sonra:

\[ \|Tx-Ty\|

olması hâlinde Banach sabit nokta teoremine göre tek sabit noktanın, dolayısıyla tek çözümün bulunduğu belirtiliyor.

Bu ispatın yorumunda nelere dikkat edilmeli?

Banach sabit nokta teoreminin uygulanabilmesi için ilgili operatörün gerçekten bir contraction — sıkıştırıcı dönüşüm olması gerekir.

Kaynak bu koşulu yazmakla birlikte \(q<1\)'in verilen \(K\) sınırından ve zaman aralığından hangi ek koşullar altında elde edildiğini ayrıntılı olarak türetmemektedir.

Standart ikinci tür doğrusal Volterra denklemlerinde sürekli çekirdek ve uygun sürekli sağ taraf altında varlık ve teklik daha genel Volterra teorisiyle kurulabilir. Dolayısıyla makalenin sonuç yönü standart teoriyle uyumludur; fakat sunulan Banach ispatı tam ayrıntılı bir kanıt yerine ispat taslağı niteliğindedir.

İkinci teorem neyi göstermeye çalışıyor?

Kaynak çekirdek için:

\[ \int_0^T |K(t,\tau)|\,d\tau

koşulunu kabul edip integral operatörü:

\[ (TX)(t) = \int_0^t K(t,\tau)X(\tau)d\tau \]

olarak tanımlıyor.

Ardından:

\[ \|(TX)(t)\| \le \int_0^t |K(t,\tau)|\, \|X(\tau)\|d\tau \]

ve sonuçta:

\[ \|TX\|\le L\|X\| \]

eşitsizliğine ulaşılıyor.

Bu sonuç \(T\)'nin seçilen uygun norm altında sınırlı/continuous bir integral operatör olduğunu destekler.

Sınırlı operatör ile kararlı çözüm aynı şey midir?

Tam olarak değil. Bir operatörün sınırlı olması, küçük giriş değişimlerinin operatör çıktısında kontrolsüz biçimde sonsuz büyümemesini ifade eden önemli bir matematiksel özelliktir.

Ancak:

\[ X=F+TX \]

denkleminin çözümünün varlığı, tekliği ve bozuculara göre kararlılığı için \(I-T\) operatörünün özellikleri, contraction koşulları veya Volterra resolvent teorisi gibi ek bilgiler gerekebilir.

Bu nedenle kaynakta “operatör sınırlıdır, dolayısıyla çözüm kararlıdır” biçiminde verilen çıkarım, uygulamalı sistem kararlılığını tek başına kanıtlayan kapsamlı bir analiz olarak değerlendirilmemelidir.

Modelde ölçüm gürültüsü hesaba katılıyor mu?

Gözlem denklemindeki:

\[ V(t) \]

terimi ölçüm hataları veya rastgele gürültüyü temsil etmektedir.

Ancak kaynak:

• gürültünün dağılımını,
• varyansını,
• sensör hata modelini,
• gürültü altında durum tahmin hatasını

hesaplamamaktadır.

Dolayısıyla gürültü modele sembolik olarak dahil edilmiş olsa da gürültüye dayanıklılık deneysel veya sayısal olarak doğrulanmamıştır.

Integral denklem yaklaşımının potansiyel avantajı nedir?

En önemli potansiyel avantaj geçmiş durumların açık biçimde hesaba katılmasıdır. Hafızalı süreçlerde yalnız anlık bir durum denklemi yetersiz kalıyorsa integral çekirdeği geçmiş davranışı modele ekleyebilir.

Bu özellik özellikle geçmiş yüklenmelerin, gecikmelerin veya birikimli etkilerin önemli olduğu sistemlerde araştırmaya değerdir.

Ancak kaynak klasik diferansiyel durum-uzayı modeli, Kalman filtresi, gecikmeli diferansiyel denklem, recurrent neural network veya başka bir yöntemle nicel karşılaştırma yapmadığından “daha doğru” veya “daha etkili” olduğu deneysel olarak gösterilmiş değildir.

Yapay zekâ ile nasıl birleştirilebilir?

Makalenin sonuç bölümünde gelecekte modelin yapay zekâ ve sinir ağlarıyla geliştirilmesi öneriliyor.

Bunun kuramsal olarak uygulanabileceği başlıca alan integral çekirdeğinin veya tanıma operatörünün veriden öğrenilmesidir. Ancak mevcut çalışma böyle bir sinir ağı kurmamış, eğitim gerçekleştirmemiş veya AI performansı ölçmemiştir.

Bu nedenle yapay zekâ entegrasyonu çalışmanın sonucu değil, gelecek araştırma önerisidir.

Kaynakça doğrulamasında neden dikkat gerekiyor?

Çalışmanın kaynak listesinde bazı modern integral denklem ve neural integral equation yayınları kullanılıyor; ancak bibliyografik doğrulamada önemli uyuşmazlıklar görülmektedir.

Bu durum özellikle “literatür bu yaklaşımı destekliyor” türündeki çıkarımlarda özgün kaynakların tek tek kontrol edilmesini gerekli kılmaktadır.

Çalışmanın desteklediği sonuçlar

• Karmaşık bir sistemin durumu çok boyutlu durum vektörüyle temsil edilebilir.
• Ölçülen çıktılar ile iç durum arasında gözlem operatörü tanımlanabilir.
• Volterra tipi integral denklem geçmiş durumların mevcut durum üzerindeki etkisini matematiksel olarak temsil edebilir.
• Üstel çekirdek geçmiş etkinin zamanla sönmesini modellemek için kullanılabilir.
• Uygun koşullarda Volterra integral denklemlerinin varlık ve teklik analizi fonksiyonel analiz yöntemleriyle yapılabilir.
• Durum vektörünün daha sonra ayrı bir tanıma operatörü aracılığıyla sınıflara atanması kavramsal olarak mümkündür.

Çalışmanın kanıtlamadığı sonuçlar

• Önerilen modelin gerçek bir teknik veya bilgi sisteminde daha yüksek tanıma doğruluğu sağladığı gösterilmemiştir.
• Gerçek veya sentetik veri üzerinde deney yapılmamıştır.
• Tanıma operatörünün somut sınıflandırma algoritması verilmemiştir.
• False-positive, false-negative, accuracy, precision, recall veya benzeri performans metrikleri bulunmamaktadır.
• Üstel çekirdekteki \(A\) ve \(\lambda\) parametrelerinin veriden nasıl belirleneceği gösterilmemiştir.
• Ölçüm gürültüsü sembolik olarak tanımlanmış ancak gürültü dayanımı sınanmamıştır.
• Model klasik durum tahmin veya makine öğrenmesi yöntemleriyle karşılaştırılmamıştır.
• Operatörün sınırlılığı tek başına uygulamalı sistem kararlılığının tüm yönlerini kanıtlamaz.
• Yapay zekâ ve sinir ağı entegrasyonu gerçekleştirilmemiştir.

Çalışmanın Yöntemi ve Bulguları

Çalışma türü

Bu araştırma kuramsal/matematiksel modelleme çalışmasıdır. Deneysel mühendislik çalışması, sayısal benchmark, makine öğrenmesi deneyi veya gerçek sistem doğrulaması değildir.

Önerilen modelin ana bileşenleri

Modelin kavramsal işlem zinciri

Kaynakta sunulan yapı birlikte değerlendirildiğinde süreç şu matematiksel sıraya indirgenebilir:

1. Sistem parametreleri \(X(t)\) durum vektöründe temsil edilir.

2. Sensör veya gözlem verileri \(Y(t)\) üzerinden iç durumla ilişkilendirilir.

3. Geçmiş \(X(\tau)\) değerlerinin etkisi \(K(t,\tau)\) çekirdeğiyle ağırlıklandırılarak mevcut duruma dahil edilir.

4. Integral denklem çözülerek mevcut durumun matematiksel temsili elde edilir.

5. \(R(X)\) tanıma operatörü bu durumu seçilmiş bir sınıfa atar.

Kaynak bu zincirin ilk dört aşamasını matematiksel sembollerle tanımlamakta; beşinci aşamada ise somut bir sınıflandırma yöntemi geliştirmemektedir.

Teorem 1'in yöntemsel değerlendirmesi

Kaynak varlık ve teklik tartışmasını Banach sabit nokta teoremine bağlamaktadır. Bu yöntem matematiksel olarak geçerli bir yaklaşım olabilir; fakat uygulanması için operatörün seçilen fonksiyon uzayında kendi üzerine dönüşüm ve contraction olması gerekir.

Makaledeki:

\[ \|Tx-Ty\|

koşulu doğru Banach koşulunu ifade etmektedir. Bununla birlikte \(q\)'nun çekirdek ve zaman aralığından nasıl türetildiği tam olarak gösterilmediğinden ispat ayrıntılı bir theorem-proof sunumundan ziyade teorik gerekçelendirme niteliğindedir.

Teorem 2'nin yöntemsel değerlendirmesi

\[ \|TX\|\le L\|X\| \]

eşitsizliği integral operatörün sınırlı olduğunu gösteren standart bir norm tahminidir.

Bu sonuç operatör analizinde değerlidir ancak çözüm kararlılığının tamamının bundan otomatik olarak çıktığı varsayılmamalıdır. Özellikle çözümün girdilerdeki ve çekirdekteki bozuculara duyarlılığını nicel olarak değerlendirmek için ilave analiz gerekir.

Kaynakta bulunmayan deneysel unsurlar

Bu nedenle “bulgu” nasıl yorumlanmalıdır?

Çalışmadaki temel sonuç, belirli bir endüstriyel sistemde elde edilmiş performans artışı değildir. Asıl çıktı; durum uzayı, gözlem modeli, Volterra hafıza terimi ve sınıflandırma operatörünü tek kuramsal mimari içinde birleştiren matematiksel formülasyondur.

Kaynağın “tanıma doğruluğunu artırır” veya “prognostik güvenilirliği yükseltir” yönündeki ifadeleri doğrudan ölçülmüş bulgular değil, modelin geçmiş bilgiyi kullanmasından hareketle yapılan uygulama potansiyeli yorumlarıdır.

Gerçek doğrulama için ne gerekir?

Kaynak tarafından gerçekleştirilmemekle birlikte önerilen modelin performansını sınamak için gelecekte gerçek bir sistem üzerinde durum değişkenlerinin seçilmesi, \(K(t,\tau)\) çekirdeğinin tanımlanması veya veriden öğrenilmesi, parametre kestirimi yapılması, gerçek durum etiketlerinin oluşturulması ve model çıktılarının bağımsız test verisiyle karşılaştırılması gerekir.

Ayrıca integral yaklaşımının faydasını gösterebilmek için yalnız anlık durumu kullanan bir baseline modelle aynı veri üzerinde karşılaştırma yapılması bilimsel olarak önemlidir.

Kaynak ve Yöntem Notu

Tam özgün başlık:Mürəkkəb sistemlərin cari vəziyyətlərinin tanınmasının inteqral tənlik əsaslı riyazi modelinin qurulması.

İngilizce başlık:Construction of an Integral Equation-Based Mathematical Model for Recognition of the Current States of Complex Systems.

Yazar: Kəmalə Əhməd Niftəliyeva.

Kurum: Bakı Dövlət Universiteti; kaynakta yazar yüksek lisans öğrencisi olarak gösterilmektedir.

Eş birinci yazar/eş katkı: Tek yazarlı çalışma olduğundan uygulanabilir değildir.

Sorumlu yazar: Kaynakta ayrı bir corresponding-author işareti yoktur; tek yazarın e-posta adresi verilmiştir.

Dergi:Azərbaycan Ali Texniki Məktəblərinin Xəbərləri / Proceedings of Azerbaijan High Technical Educational Institutions.

Yayın kimliği: Volume 28, Issue 2, 2026, s. 56–61.

ISSN: Derginin resmî ASOIU sayfasında 1028-7515 olarak belirtilmektedir.

DOI: 10.32010/WMFQ6307.

Makale süreci: Received 23 April 2026; Revised 14 May 2026; Accepted 25 June 2026.

Resmî bağlantı:https://doi.org/10.32010/WMFQ6307.

Kaynak türü: Kuramsal/matematiksel modelleme çalışmasıdır. Gerçek sistem deneyi, sayısal simülasyon veya ampirik model doğrulaması bulunmamaktadır.

Hakemlik durumu: Derginin resmî politikası editoryal kararın hakem değerlendirmeleri dikkate alınarak verildiğini ve bilimsel hakemlerin görevlerini tanımlamaktadır. Bu spesifik çalışmanın bireysel hakem raporları kamuya açık değildir.

Lisans/telif: Makale dosyasında Creative Commons veya benzeri açık lisans beyanı görülmemektedir. Derginin resmî sayfasında “All rights reserved” ifadesi yer almaktadır. Bu nedenle kaynak şekli veya özgün materyal için açık lisans varsayılmamıştır.

Finansman: Kaynakta ayrı finansman bildirimi bulunmamaktadır.

Çıkar çatışması: Kaynakta ayrı çıkar çatışması bildirimi bulunmamaktadır.

Veri erişilebilirliği: Çalışma özgün veri seti sunmamaktadır ve ayrı data availability bildirimi bulunmamaktadır.

Kod erişilebilirliği: Kaynakta program kodu veya kod deposu verilmemektedir.

Kaynakça doğrulama uyarısı: Çalışmanın referans listesinde bibliyografik uyuşmazlıklar tespit edilmiştir. Özellikle [8] numaralı Mohite ve arkadaşlarının çalışması, [9] numaralı bioelektrik integral denklemleri incelemesi ve [11] numaralı Nature Machine Intelligence çalışmasının yazar/dergi/sayfa bilgilerinin bir bölümü doğrulanan resmî yayın kayıtlarıyla uyuşmamaktadır. Bu nedenle özgül literatür iddialarında kaynakçadaki bibliyografik bilgilerin bağımsız olarak kontrol edilmesi gerekir.

Teorem 1 uyarısı: Kaynakta sürekli ve sınırlı Volterra çekirdeği altında varlık ve teklik tartışılmakta ve Banach sabit nokta ilkesi kullanılmaktadır. Yazılan contraction koşulu matematiksel olarak uygun olmakla birlikte bu koşulun verilen çekirdek sınırlarından nasıl sağlandığı tam ispat biçiminde gösterilmemiştir.

Teorem 2 uyarısı: \(\|TX\|\le L\|X\|\) bağıntısı integral operatörün sınırlılığını desteklemektedir. Bunun tek başına genel çözüm kararlılığını tüm anlamlarıyla kanıtladığı varsayılmamalıdır.

Uygulama sınırı: Kaynak herhangi bir gerçek teknik, ekonomik, bilgi veya yönetim sistemini model üzerinde test etmemektedir. Dolayısıyla modelin durum tanıma doğruluğunu artırdığı, geleceği daha güvenilir tahmin ettiği veya klasik modellerden üstün olduğu yönünde deneysel kanıt bulunmamaktadır.

Verianla Live durumu: Çalışmada özgün sayısal performans verisi, deney tablosu veya karşılaştırmalı veri seti olmadığı için Verianla Live kullanılmamıştır.

Bilimsel içerik kaynağı: Bu Verianla metnindeki model denklemleri, teoremler, operatör tanımları ve uygulama iddiaları incelenen makaleye dayanmıştır. Dış doğrulama yalnız bibliyografik kimlik, dergi politikası ve kaynakçadaki belirli yayın kayıtlarının kontrolü için kullanılmıştır.