En matemáticas , el modelado no lineal es un modelado empírico o semiempírico que tiene en cuenta al menos algunas no linealidades. Por lo tanto, el modelado no lineal en la práctica significa el modelado de fenómenos en los que las variables independientes que afectan al sistema pueden mostrar efectos no lineales complejos y sinérgicos. A diferencia de los métodos de modelado tradicionales, como la regresión lineal y los métodos estadísticos básicos , el modelado no lineal se puede utilizar de manera eficiente en una gran cantidad de situaciones en las que el modelado tradicional es poco práctico o imposible. Los enfoques de modelado no lineal más nuevos incluyen métodos no paramétricos, como redes neuronales feedforward , regresión kernel, splines multivariantes , etc., que no requieren un conocimiento a priori de las no linealidades en las relaciones. Por lo tanto, el modelado no lineal puede utilizar datos de producción o resultados experimentales teniendo en cuenta comportamientos no lineales complejos de fenómenos modelados que, en la mayoría de los casos, son prácticamente imposibles de modelar mediante enfoques matemáticos tradicionales, como el modelado fenomenológico.
A diferencia del modelado fenomenológico, el modelado no lineal se puede utilizar en procesos y sistemas en los que la teoría es deficiente o falta una comprensión fundamental de las causas fundamentales de la mayoría de los factores cruciales del sistema. El modelado fenomenológico describe un sistema en términos de leyes de la naturaleza. El modelado no lineal se puede utilizar en situaciones en las que los fenómenos no se comprenden bien o no se expresan en términos matemáticos. Por lo tanto, el modelado no lineal puede ser una forma eficiente de modelar situaciones nuevas y complejas donde no se conocen las relaciones de diferentes variables.