基于Granger因果检测的蛋白质信号网络建模

生物网络是一个非常复杂且具有随机性质的反馈网络,在不同的分子水平调控生物的功能。由于涉及大量分子间的相互作用,使得生物网络的建模面临极大的挑战。在本文中,对通常的Granger因果关系进行推广,将其应用到蛋白质网络的建模上,构建了一个11个蛋白质(PKC,PKA,Raf,Plcr,Jnk,P38,Mek,PIP3,PIP2,Akt,Erk)的相互作用网络。计算结果表明,本文提出的方法克服了Bayesian网络方法中存在的一些问题,如Bayesian网络计算量大,不能构建有环图。

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。

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。

基于空洞因果卷积网络的风电机组异常检测

准确可靠的异常检测对于保障风电机组安全高效运行尤为重要。然而,由于风电机组内部结构复杂,运行工况复杂多变,导致所获取的数据采集与监控(SCADA)系统数据往往呈现出复杂的非线性和关联耦合特性。为了更加有效地捕获不同传感器变量之间的空间相关性,提出基于空洞因果卷积网络的风电机组异常检测方法,并采用Focal Loss改进损失函数解决了数据不平衡问题对模型性能的影响。该方法可通过不同的感受野大小从多尺度角度提取丰富的空间相关特征,有效建模并挖掘不同传感器数据间存在的空间因果关系。同时,该模型提供了一种端到端的异常检测方案,可直接从原始SCADA数据中提取空间特征,建立数据与状态标签之间的非线性映射关系,从而输出异常检测结果。通过某风场的SCADA数据实例分析验证了所提出方法的可行性和有效性。

Granger因果关系检验在攻击检测中的应用研究

在时态数据挖掘框架下,对基于Granger因果关系检验的攻击检测方法进行了研究。通过计算多个前兆输入时间序列与给定异常输出时间序列之间的因果关联程度,可从描述网络系统安全状态的多元时间序列数据集中检测出网络攻击行为的前兆,进而形成可供实际检测和预警使用的高置信度前兆规则和因果规则。对所提方法的正确性和精度进行了验证,并在设计的攻击检测与预警原型系统中对其进行了应用分析。

CEEMD双层分解和Granger因果变量选择风电功率预测

针对风电功率时间序列具有高度随机波动性而无法精准预测的问题,提出一种基于完备集成经验模态分解(CEEMD)、Granger因果关系检验和长短时记忆网络的新型混合预测方法用于预测风电功率。首先,为研究风电功率和风速的隐性相关性,通过CEEMD算法对风电功率和风速时间序列分别进行序列分解,实现双层分解。其次,通过Granger因果关系方法对各风速分量与各风电功率分量进行因果关系检验,分析风电功率分量与各风速分量间的相关性,以此实现各风电功率分量的输入变量选择。最后,采用长短时记忆网络对各风电功率分量进行预测,并集成得到最终的风电功率预测结果。通过风电厂的实际数据进行了试验,并与多个应用广泛的经典模型进行对比,结果表明该方法的预测精度取得了大幅度提高,能够对风电功率实现精准预测。

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.

基于活动性检测动态估计噪声的心音降噪算法

针对基于小波分解和最优改进对数幅度谱估计的心音降噪算法存在噪声残留和心音失真的问题,提出一种基于心音活动性检测(HSAD)动态估计噪声的心音降噪算法。通过设计的HSAD判断当前心音帧是否为基础心音帧(FHS),根据判断结果分别采用改进最小值控制递归平均(IMCRA)算法和递归平滑算法对噪声功率进行动态估计与更新,采用非因果先验信噪比,实现心音信号的降噪。实验结果表明,提出算法能更好在提升降噪性能的同时,降低FHS的失真。

基于经验动态建模的因果检测研究综述

相关性是目前科学研究中重要的分析标准,但是相关关系并不意味着因果关系。随着人们认识到非线性动力学的普遍性,仅仅依靠相关性进行推论,极有可能会得出错误的结论。目前,包括机器学习在内的各种相关性研究算法快速发展,而挖掘变量间因果关联的研究尚处于探索中。经验动态建模理论是一种基于数据驱动的动态系统建模框架,其最大的特点是抛弃了传统数据分析中的公式化方法,仅仅从时间序列中重构动态系统的行为。其核心思想是动态系统可以描述为一组状态在高维空间中受一定规则的驱使随时间演变的过程,可以通过重建随时间演变的状态来对动态系统进行建模。基于经验动态建模理论,通过动态系统中变量的时序数据,可以对变量之间的因果关系进行检测。如果变量X是变量Y的原因(X⇒Y),那么变量X的信息必须隐含在变量Y中,且可以从变量Y中恢复。文中首先分析了相关性与因果关系的辩证关系,由于“虚假相关性”和“幻象性相关”现象的存在,相关性并不意味着因果性,缺乏相关性也并不意味着没有因果关联;然后全面介绍基于经验动态建模理论进行因果检测的核心思想,具体地对Takens嵌入定理、单纯形投影算法和收敛交叉映射算法的历史发展做了详细总结,动态系统可以描述为一组状态在高维空间中受一定规则的驱使随时间演变的过程,可以通过重建随时间演变的状态来对动态系统进行建模;接着介绍了一些经验动态建模理论改进方法和实际因果检测应用;最后分析了基于经验动态建模因果检测目前存在的一些问题,并对未来发展趋势进行了展望。

考虑因果约束的异常对象反事实解释

现有的异常检测方法大多关注算法的效率和精确度等,而忽视了异常对象的可解释性.反事实解释方法是当前可解释机器学习的研究热点之一,旨在通过对研究对象的特征进行扰动,进而生成反事实示例以解释模型的决策结果.在实际应用中,特征之间可能存在某种因果关系.然而,现有基于反事实的可解释方法大多关注如何生成更多样的反事实示例,却忽视了特征之间的因果关系,导致可能产生不合理的反事实解释.为此,提出了一种考虑因果约束的异常对象反事实解释算法IARC.该方法在生成反事实解释时,通过将特征间的因果性纳入目标函数来衡量该次扰动是否可行,并通过改进后的遗传算法进行求解,从而生成合理的反事实解释.此外,提出了一种新的度量指标,用于衡量所生成反事实解释的矛盾程度.同多个先进反事实解释方法在多个真实数据集上进行了对比实验和详细的案例可解释分析.实验结果表明,所提出的方法能够为异常对象生成具有强合理性的反事实解释.

基于Granger因果检验的北京高校科技创新与经济发展相关性分析

高校作为教育、科技、人才“三个第一”的结合点,在国家科技体系中扮演着重要角色,通过科技创新、人才培养为区域经济发展做出了重要贡献。本研究采用经济学领域常用的Granger因果检验模型,对北京高校科技创新的相关投入、产出指标和区域经济发展指标进行因果关联性分析,探究高校科技创新要素与地方经济发展相互影响机理,为高校科技创新政策的制定提供依据。

基于二次分解因果分析和深度学习的短期风电功率预测

为实现精准的风电功率预测,提出了一种基于二次分解因果分析和深度学习的风电功率预测模型。首先,通过完备集成经验模态分解算法对风电功率和风速序列进行一次分解,并采用经验小波变换算法对风电功率和风速序列的高频分量进行二次分解,以降低原始序列的复杂程度。其次,通过Granger因果关系检验方法对各风速分量与风电功率分量进行因果分析,以此实现风电功率各分量的输入变量选择。最后,利用耦合注意力机制的双向门控循环单元对风电功率分量进行预测,并集成得到最终的风电功率预测结果。通过风电厂实际运行数据进行试验,并与多个典型模型进行比较,结果表明所提模型具有较高的预测精度,其决定系数达到了0.98,能够实现较精准的风电功率预测。

多步攻击检测关键技术研究展望

多步攻击检测技术通过分析告警日志数据,挖掘攻击场景,辅助实现高威胁攻击路径的早期发现,从而降低安全威胁风险,提高网络和信息系统的安全性.分别介绍了多步攻击检测的3种关键技术:基于告警相似性、基于告警因果知识和基于模型的多步攻击检测技术.通过比较分析,剖析了3种技术的差异.同时,还探讨了多步攻击检测技术的未来发展方向,包括与隐私计算、溯源图和因果推断等技术的融合.这些技术的融合将为网络安全提供新思路和方法,以应对不断复杂化的安全威胁.

基于并发模型的LAC在线故障检测

针对线性模拟电路的在线故障检测进行了研究。首先,通过对并发测试问题的分析及建模要求,从线性模拟电路的网表描述得到可用于残差生成的扩展状态空间模型,这种扩展的状态空间模型定义了电路的变量/方程依赖矩阵即因果依赖矩阵,进而从因果依赖矩阵可得到电路系统的标称模型和未知输入及故障模型。然后,基于无差拍观测器方法采用扩展的状态模型来生成最优故障检测器的电路方程,从而实现故障的在线残差检测。仿真实验结果表明,与传统的线性模拟电路的离线和在线故障检测方法相比,所提出的方案具有更好的故障检测能力,适用于任何线性模拟电路。

时间序列时变因果发现综述

具有随时间动态变化因果关系的时序数据间的因果关系拥有重要的理论和实际意义,可对未来时间序列数据进行准确预测或干预。文章結合国内外已有时变因果关系发现研究,对各类方法晨开了分析,并依据方法特点进行了归纳和总结,最后结合当前已有方法、时间序列建模的需求等对未来研究方向进行了讨论,有助于理解时变因果关系发现领城的基本研究方法和未来发展趋势。

中国股市的Granger因果关系分析

本文分析了香港、上海和深圳股市的相互关系 .借助 Granger因果关系的思想 ,从收益率与波动性两方面研究了三个股市间的相互联系与互动性 .结果表明 :沪深股市收益率与波动性间存在着很强的相关性 ;沪深股市的变化受香港股市等外来因素的影响很小 ;深圳股市对上海股市存在着显著的

基于Granger因果检验的地价与房价关系

运用Granger因果关系检验法,研究不同房地产市场发展阶段的地价与房价的互动关系.从地价与房价关系的作用机理出发,建立理论假设体系,以美国、日本、中国的时间序列数据为基础,进行实证研究.结果表明:在美国,房地产市场处于成熟、平稳的发展阶段,地价决定房价;在日本,房地产市场处于异常发展阶段,房价决定地价;在中国,房地产市场尚未达到稳定阶段,地价决定房价.因此,地价与房价的互动关系取决于房地产市场的发展阶段,不可一概而论.

黑龙江省耕地非农化与经济发展的Granger因果关系研究

研究目的:分析黑龙江省耕地非农化过程的内在原因,以助于协调黑龙江省耕地非农化进程与经济发展的关系,使耕地保护工作与未来经济运行相一致。研究方法:运用Granger因果关系检验法,利用Eviews4.1软件分析。研究结果:城市化进程对耕地非农化进程的影响与经济增长对耕地非农化的影响并不一致,城市化进程对耕地非农化的影响更加显著。因此,要从根本上解决耕地非农化与经济发展之间的矛盾须将城市化作为切入点。

基于Granger原因的因果关系检验方法评析

基于协整理论的因果关系研究,是现代计量经济学具有划时代意义的发展。文章对几种主要的因果关系检验方法进行了评析,并针对这些检验方法存在的问题作了深入分析。其主要目的是为进行因果关系实证研究,提供理论依据和方法优化选择。

我国房价与租金Granger因果关系的实证研究

本文利用1998年第一季度到2006年第三季度的全国房屋销售价格指数和房屋租赁价格指数的时间序列数据,运用单位根检验、协整关系检验和格兰杰因果关系检验等方法,对我国房价与租金之间的关系进行实证分析。研究结果表明,在全国范围内,房价和租金短期相互独立,而房价是租金变动的长期原因。此外,本文还分析了北京、上海、杭州和深圳四个城市房价与租金的关系,结果显示不同城市的房价租金关系也各异。最后,本文分别从模型和经济学的角度对以上结论进行了解释。