论文部分内容阅读
从观测数据中获取系统各变量间的因果方向,进而据此对系统进行数据建模,是我们对所关注的各种系统进行预测控制和决策的基础。但是在很多研究中,因果方向分析这一步常常会被忽略。这是因为在一些问题中,可以用朴素的方法来获知观测变量间的因果关系。这些方法包括专家知识、时间顺序、可控实验等等。但是在很多诸如经济系统、生态系统以及医学系统的问题当中,这些朴素方法常常不可行。所以需要能够仅从观测数据中获知输入输出变量之间的因果传递关系,进而为下一步的建模打下基础。本文的研究的目的就是利用函数复合方法从两列变量的观测中找出正确的变量间因果方向。但是现有的方法在一定的观测噪声下,其结果会呈现出较大的不确定性。所以针对观测噪声对因果方向分析算法的影响,本文做了如下几方面的工作:1)针对具有对称噪声模型的非线性EIV系统,提出了基于带噪声观测数据的因果方向分析算法。本文构造了基于非线性EIV系统的参数估计和噪声估计的迭代算法,通过计算传递函数与观测数据分布函数之间的相关性,得到了对观测噪声不敏感的因果方向算法,改进了原有的方法在观测噪声下的表现。2)利用输入输出端信噪比与传递函数参数构成的不等式,给出了受噪声干扰的线性系统下正确分析系统因果方向所需要满足的数据与噪声条件。在此基础上,提出了一种新的基于广义高斯分布单位熵的因果方向分析算法,并将此方法推广到多变量的因果排序问题中去,改进了原有算法的正确率。3)针对本文中基于参数化模型的两类方法需要预知系统传递函数类型与参数结构的问题,本文提出了一种利用非参数模型进行因果方向分析的方法。基于非参数模型的方法不需要预设传递函数模型与噪声模型结构,所以更具实用性。本文构造了基于高斯过程模型的等价传递函数序列计算的快速递推算法,在保证计算正确率的基础上降低了基于非参数模型的因果方向分析的计算时间;4)将本文中提出的算法应用于网络管理系统的告警传播问题当中,在相关实例上实现了自动化的判别告警传播方向,给出了与专家知识相同的结果;本文的算法还被应用于空气污染物传变方向分析中,给出了与专家领域知识一致的因果传递方向。