I mange fagdisipliner jobber man med naturfenomener som kan observeres og måles over tid. Fra disse målingene – tidsserier – vil man gjerne finne ut hvordan ulike komponenter i systemet påvirker hverandre. Er det fenomen X som driver fenomen Y, er det motsatt, eller eksisterer det ingen kobling mellom dem? Den tradisjonelle måten å angripe dette spørsmålet på er å lage matematiske modeller som kan reprodusere tidsseriene. I mange tilfeller er derimot modellering vanskelig eller umulig, enten fordi systemet er for komplekst eller fordi man ikke har nok observasjoner til modellvalidering. Klimasystemet er et godt eksempel på et ekstremt komplekst system.
Temaet for doktorgradsavhandlingen min var derfor å utvikle robuste numeriske metoder som kan si noe om interaksjonen mellom fenomener, basert kun på dynamisk informasjon i observerte tidsserier – uten å anta noe om hvordan systemet fungerer.