向量自回归模型Granger因果图的条件互信息辨识与应用

Granger因果性是衡量系统变量间动态关系的重要依据.传统的两变量Granger因果分析法容易产生伪因果关系,且不能刻画变量间的即时因果性.本文利用图模型方法研究时间序列变量间的Granger因果关系,建立了时间序列Granger因果图,提出了Granger因果图的条件互信息辨识方法,利用混沌理论中的关联积分估计条件互信息.统计量的显著性山置换检验确定.仿真结果证实了方法的有效性,并利用该方法研究了空气污染指标以及中国股市间的Granger因果关系.

基于Granger因果图方法的物价水平国际间传递分析

目前,对Granger因果关系的研究大多数采用两变量Granger因果检验法,由于忽视其它重要变量的影响,常会导致虚假因果关系的出现。鉴此,采用Granger因果图模型方法分析中国及其主要贸易伙伴国(地区)间的物价传递,研究结果表明:美国在物价传递中发挥着主导作用,物价国际间传递存在一定的区域效应;除和中国香港地区存在即期因果关系外,中国对主要贸易伙伴国(地区)的物价水平基本无显著影响,中国既无输出通货膨胀也无输出通货紧缩。同时,样本期内中国物价水平呈现明显的外部"输入性"特征。因此,中国政府应采取措施应对国际的物价冲击,同时防范物价输入性引发的风险,以实现中国物价的稳定。

多维时间序列Granger因果图Markov性

文章利用Granger因果图表示多维时间变量序列间的因果关系,图中的顶点集由序列的各个分量组成,顶点间的有向边表示分量序列间的Granger因果关系,无向边表示分量间的同期因果关系.建立Granger因果图的p-分离准则,研究Granger因果图的Markov性.

稀疏组Lasso Granger因果图模型及应用

辨识序列间的因果联系是时间序列分析的主要任务之一。将Granger因果关系的检验问题转换为变量选择问题,应用稀疏组Lasso方法辨识序列间Granger因果关系的存在性和因果影响的滞后阶数。提出了稀疏组Lasso Granger因果图模型,顶点表示多维时间序列的分量序列,顶点间的有向边表示序列间存在的Granger因果关系,定义了滞后信息矩阵揭示因果影响的滞后信息。数值模拟验证了在各种维数和滞后影响结构的模型下,样本量对估计效果的影响。应用到中国宏观经济数据,进行实证分析的结果表明,稀疏组Lasso Granger因果图方法能够较好地揭示序列间的因果关系结构。

基于因果图分析的可解释司法判决预测方法研究

随着人工智能技术的发展和海量司法数据的公开,面向“智慧司法”服务的司法判决预测(legal judgment prediction,LJP)任务受到了学术界和工业界的广泛关注,该任务旨在根据有限的案件事实描述文本来预测案件的罪名、法条和刑期。然而,现有工作缺乏对易混淆司法案件的智能决策的研究,且相关模型通常缺乏可解释性,这会导致模型预测严重依赖领域专家,阻碍LJP在不同法律体系中的应用。为此,提出了一种基于因果图分析的司法判决预测(prediction of legal judgment based on causal graph analysis,CGLJ)方法,首先从非结构化的法律事实描述文本中挖掘要素之间的因果关系,然后采用易混淆罪名聚类的构图方法构建因果图,既考虑了相似事实描述之间的差异,又增强了事实描述和法律法规之间的相互作用,最后将构建好的因果图融入深度神经网络进行联合推理,得到判决预测结果。此外,还对模型预测过程中的因果图推理过程进行了可视化,为判决结果提供了更好的可解释性。在2018中国“法研杯”司法人工智能挑战赛(CAIL2018)司法判决预测数据集上的实验结果表明,该方法相比基线模型取得了更好的效果。

融合异质层次因果图的尾矿堆积坝安全状态分析

为探究尾矿堆积坝内外部因素对堆积坝体安全状态的影响,提出基于异质层次图的尾矿堆积坝安全状态分析方法。该方法通过构建异质层次因果图,将环境、渗流场和应力场等关键因素与堆积坝安全状态建立联系,并结合异质节点属性特征,形成环-渗-应安全状态分析指标体系;通过提出定量指标动态等级区间计算方法和安全状态等级计算模型,将坝体安全状态定性问题的模糊性转化为定量化表达,实现对尾矿堆积坝安全等级评价;以洛阳某尾矿坝为例验证模型的科学性。结果表明:该模型能合理定量分析因素与状态之间联系,并找出堆积坝负向演化的敏感性因素,给后续筑坝过程的安全管理提供决策依据。

基于时变传染网络和分位数Granger因果检验的系统性风险传染研究

基于18个经济体760家金融机构SRISK系统性风险数据,采用时变参数向量自回归模型和广义方差分解法测度全球系统性风险的时变传染网络,进而采用分位数Granger因果检验考察各经济体对中国高分位段系统性风险的影响。研究结果表明,结合SRISK数据和时变传染网络能有效识别重大风险事件的发生;发达和新兴经济体均会产生风险净输出效应,且会通过直接输出或香港地区间接输出风险至中国内地;在全样本与2008年金融危机、欧债危机、中美贸易战和新冠疫情重大风险事件期间,中国皆为风险净溢入国且新冠疫情期间溢入效应达历史最高;美英两国在重大风险事件期间均对中国高分位段系统性风险产生显著影响,新冠疫情期间中国高分位段系统性风险遭受外部冲击的形势最为严峻。

动态不确定因果图在中医诊断中的应用探讨

动态不确定因果图(DUCG)已成为中医药领域新兴的、先进的知识表示与推理模型。为更好地应用DUCG为中医临床提供诊断推理与决策支持,在归纳总结DUCG中医药领域研究与应用情况的基础上,分析现阶段DUCG在中医诊断中存在的主要问题,包括中医术语规范统一和中医药知识库质量问题、推理算法和模型建造的方法选择与设计问题、DUCG中医诊断模型的平台化和产品化问题等,并据此展开应用思路与方法探讨,提出应深挖DUCG的技术内涵,根据临床实际需求选择精准、高效的推理建模方法,建立符合中医药理论思想、具有中医特色的智能辅助诊断模型,加强DUCG协同研究平台及产品的开发应用。

网络服务异常事件告警因果图构造方法

网络服务系统中,异常事件的发生经常导致系统中产生大量告警事件,形成告警风暴。运维人员需要花费大量的时间和精力从这些告警数据中寻找关键信息、确定异常事件的根源。为了减少运维人员所需处理的告警数量,智能化、自动化地提取告警风暴中的根源告警,基于网络服务告警的传播模式分析,提出了一种告警因果图构造方法,并将其应用于提取异常事件发生时的告警风暴关键信息。实验使用运营商现网管理系统的真实数据集,通过告警风暴摘要提取实验,验证了告警因果图生成的效果,并进行了相关案例的物理意义分析。结果表明,使用告警因果图生成的方式进行告警风暴摘要提取,达到了96%的召回率,保留了绝大部分关键信息。同时,使用该方法对系统产生的告警进行压缩,对较难压缩的告警码的压缩率能够达到66.5%。

因果图表征的网络攻击数据集构建

高级可持续威胁攻击因其多阶段可持续的特性,已经成为现阶段网络攻击的主要形式。针对此类型攻击的检测、预测研究,不可避免地需要相关数据集的支撑。在构建数据集时,往往需要真实的网络与主机数据。但出于隐私与安全的考虑,很少有满足要求的开源数据集。现有的数据集也往往只提供原始的网络流和日志数据,对长时攻击上下文解析的缺乏导致单纯地利用神经网络进行数据包的恶性甄别和预测的实用性不足。为了解决这些问题,该文基于网络环境的真实攻击过程数据,构建并公布了一个基于因果图的网络攻击数据集。与传统的原始网络流和日志数据集相比,该数据集充分挖掘了攻击上下文中的因果关系,可以跨长时域对高级可持续威胁攻击进行建模,方便研究人员进行攻击检测与预测的研究。该数据集开源在https://github.com/GuangmingZhu/CausalGraphAPTDataset上。

基于动态不确定因果图的航天器故障诊断方法

针对航天器智能化故障诊断的问题,基于动态不确定因果图(Dynamic Uncertain Causality Graph,DUCG)构建诊断模型,克服了基于规则的方法、数据驱动方法存在的诊断正确率低、数据依赖程度高、可解释性差等问题。DUCG基于领域专家的经验知识、以图形化的方式表达航天器遥测参数与可能的故障之间的不确定性知识,不依赖于已有的故障数据,具有诊断正确率高、可解释性强等特征。使用DUCG构建包含42个故障、129个遥测参数的诊断模型,试验结果表明模型的准确率为100%。

基于改进动态因果图的湿法冶金浸出过程故障诊断方法研究

针对现有湿法冶金工艺机制复杂和浸出工艺故障诊断方法存在精度较差等问题,研究了用改进的动态因果图诊断湿法冶金浸出工艺故障,主要通过二元区间数对动态因果图进行优化改进,并对条件概率上下限进行加权,实现湿法冶金浸出工艺故障诊断。结果表明:该故障诊断方法相较于常规方法,故障诊断准确率更高,能对浸出工艺的故障进行较准确的诊断。

因果图的无混杂与可压缩条件研究

在观察性研究中,混杂现象往往会导致因果作用的估计出现偏差,从而影响因果关系推断结论的准确性.为了评估出真实的因果作用,本文利用因果图结构,研究关于因果作用无混杂与可压缩的问题.本文引入了线性排序集与条件化稳定的概念并研究了其性质.在此基础上,结合c-可去点,可反转边的定义与性质,提出无混杂与可压缩的若干充分条件.

Granger因果关系时空图推理的群体行为分析

因果关系普遍存在于群体交互行为中,体现出主动体行为对被动体行为的有向影响.因果关系检测的难点在于交互双方的行为具有复杂的时间动态性.现有方法使用循环神经网络,来描述交互关系的时间变化特性,并使用时间注意力机制,来描述时间依赖关系.上述方法忽视了对多人依赖关系的分析,难以区分交互双方中的主动行为者和被动行为者.本文设计了一种基于Granger因果关系的时空图推理模型,来学习交互双方的主动和被动关系.为了实现Granger因果关系检测,该模型对单个个体时序特征进行自回归建模,来描述行为对个体自己的依赖.该模型对两个个体时序特征进行相关回归建模,来描述行为对两个个体的依赖.该模型通过比较自回归误差和相关回归误差,当自回归误差明显大于相关回归误差,则说明相关个体改变了另一方个体的行为特征,从而检测出相关个体为主动个体,另一方为被动个体.相关回归模型考虑了多种时间延迟量的两个个体的时序特征序列,用于学习两个个体之间行为的时间延迟量.该时间延迟量用于将主动个体时间特征与被动个体时间特征进行对齐.时间对齐后的主动个体特征提供了被动个体的时间和空间上下文特征,并与被动个体特征进行通道级的融合.为了充分描述个体之间的外观模式,位置约束,因果关系的交互关系,该模型构建多尺度外观的因果图,并使用图推理学习融合上下文的个体特征和群体特征.本文对Granger因果关系检测进行消融分析,并说明时间延迟量,交互融合通道比例,多尺度图推理,能够有效改善个体特征、群体特征的描述能力.本文方法在Volleyball和Collective Activity数据集上优于现有群体行为识别方法.本文的可视化结果说明Granger因果关系可以捕获群体中关键的交互关系.

基于多组件图神经网络的多元序列因果推断

图神经网络对非线性及高阶交互作用具有强大的表征能力,提高了格兰杰因果推断的可解释性和准确性。本文提出了一种基于多组件图神经网络的多元时间序列格兰杰因果关系推断方法(MCGNN),利用多组件图卷积神经网络分别获取多元序列之间的非线性作用关系,同时引入门控循环单元对时间序列进行建模,将多元时间序列之间的因果关系问题转化为时间序列之间的预测问题。在公开的模拟数据和真实数据集上的试验结果表明,相比于当前已知最好的模型,MCGNN具有更高的准确性。特别地,将模型应用于天然气深冷工艺数据集中,能够动态发现深冷工艺中位点传感器之间的因果关系,并与深冷工艺专家的判断一致。

动态不确定因果图在中医智能辅助辨证中的应用研究

以郁病辨证为例,开展动态不确定因果图在中医智能辅助辨证中的应用研究,提高中医智能辅助辨证模型中辨证知识的可视化程度和辨证推理过程的可解释性。对郁病权威文档进行整理分析、获取郁病辨证知识,采集郁病医案并进行筛选和数据预处理,构建郁病智能辅助辨证DUCG知识库,在知识库中表示症状知识和证型知识以及二者之间的关系,结合DUCG推理机进行辨证推理测试和分析。构建了包含19个子图的郁病智能辅助辨证DUCG知识库和包含6个子图的郁病智能辅助辨证DUCG核心知识库,辨证推理测试获得的初步准确率可达72.92%、按证型分组统计的准确率最高可达100%,可根据DUCG化简图对辨证结果进行详细解释。将动态不确定因果图理论应用于中医智能辅助辨证研究,有助于提高辨证模型中辨证知识的可视化程度和辨证推理过程的可解释性。

基于因果图模型的非小细胞肺癌治疗质量影响因素分析

目的利用快速因果推断(Fast causal inference,FCI)算法构建因果图模型,分析影响非小细胞肺癌治疗质量的直接和间接因素,为改善患者治疗质量提供依据。方法收集10家三甲医院的非小细胞肺癌患者病例信息;确定影响因素为研究变量,不良事件发生率为患者治疗质量评价指标,即结局变量;利用FCI算法挖掘病例数据,构建研究变量与结局的因果图模型,分析研究变量与结局变量及不同研究变量之间的因果关系。结果本研究共纳入2846例患者,平均年龄56.00±7.70岁,不良事件发生率为9.63%。因果图模型共包含24个节点,71条边,其中有向边54条,双向边7条。影响不良事件发生的直接因素包括医院类型、组织学分级、是否淋巴结清扫及住院天数;间接因素包括职业、医保类型、现病史、病理分期、综合治疗、手术性质及肺切除类型;因素间相互作用分析结果显示,现病史、组织学分型、综合治疗、手术性质、肺切除类型决定患者是否接受淋巴结清扫;手术性质、肺切除方式、综合治疗影响住院天数;既往史影响肺癌组织学分型;职业、医保类型影响患者就诊医院类型。结论在非小细胞肺癌治疗质量影响因素分析中,因果图模型能够获得影响不良事件发生的直接和间接因素,发现可干预的目标变量,为改善非小细胞治疗质量提供依据;医院可通过提高淋巴结清扫、综合治疗接受率,降低不良事件发生率。

基于因果序图的氢能一体化电站运行过程建模及能量流控制策略

为解决大规模的“间歇性电源”接入造成的电能供需不平衡的问题,该文提出氢能一体化电站及其运行过程中电-氢-电能量流控制策略。首先,根据一体化电站电-氢-电能量转换特点,基于因果序图(COG)建立了面向控制的制储氢发电一体化电站运行动态模型,该模型能够清晰地反映一体化电站不同物理量之间的关系,实现一体化电站运行过程的表征;其次,在所建模型基础上基于自然因果关系原理设计了一体化电站运行过程的功率流和氢气流控制策略,该策略对于刚性关系过程采用反转模型控制,减少了误差反馈耗时,增强了控制器性能;最后,在基于RT-Lab的硬件在环仿真平台上进行了测试,分析了一体化电站不同物理量之间的变化关系。与比例-积分-微分(PID)控制和自抗扰控制(ADRC)方法的对比结果表明,所提控制策略在响应速度、收敛精度和运行效率上优于传统方法,可以更有效地实现氢能一体化电站运行过程的能量流管理。

基于Granger因果检验对黄金、白银和原油期货价格联动性研究与CTA策略设计

本文采用单位根检验、协整检验和Granger因果检验通过对黄金、白银和原油期货的价格联动性进行研究,发现黄金和白银期货的价格联动相关性更加明显,2021年之后AU与AG在很多时间存在协整关系,通过Granger因果检验得知未来3天AU对AG都有指引。通过黄金对白银的领涨领跌关系和协整关系可以设计相应的CTA趋势性策略和统计套利策略。

基于图神经网络和句法结构的因果事件检测

事件因果关系识别(ECI)旨在识别非结构化文本中事件之间的因果关系。这是一项非常具有挑战性的任务,因为因果关系通常通过事件之间的隐性关联来表达。现有的方法通常是直接使用预训练语言模型对文本建模来捕获这种关联,而这种方法难以捕获文本中长间隔事件对的语义关系。随着文本中事件对间隔的增加,模型对于事件对的语义关系捕捉能力下降。通过对文本的语义结构建模来研究事件之间的隐式因果关联。利用基于图神经网络的事件聚合器集成事件对的结构信息,以及利用文本的句法结构信息对模型提取的事件对表征进行语义增强。在两个广泛使用的数据集上的实验结果表明,模型性能比基线方法有显著的提升。