大数据

• •    

基于观测数据的时间序列因果推断综述

曾泽凡1,陈思雅1,龙  洗2,金  光1   

  1. 1. 国防科技大学系统工程学院,湖南 长沙 410073

    2. 国防科技大学空天科学与工程学院,湖南 长沙 410073

  • 作者简介:曾泽凡(1993- ),男,国防科技大学系统工程学院硕士研究生,主要研究方向为数据分析与数据建模。 陈思雅(1998- ),女,国防科技大学系统工程学院博士研究生,主要研究方向为时间序列异常检测、故障诊断。 龙洗(1999- ),男,国防科技大学空天科学与工程学院博士研究生,主要研究方向为航天任务规划,因果推断,强化学习。 金光(1973- )男,博士,国防科技大学系统工程学院,研究员,主要研究方向为寿命预测与健康管理、系统试验与评估。

Overview of Observational Data-Based Time Series

ZENG Zefan1, CHEN Siya1, LONG Xi2, JIN Guang1   

  1. 1. College of Systems Engineering, National University of Defense Technology, Changsha 410073, China

    2. College of Aerospace Science and Engineering, National University of Defense Technology, Changsha 410073, China

摘要:

数据存储量的扩大和计算能力的提升,为基于观测数据推断时间序列的因果关系开辟了新途径。在时间序列因果推断的基本性质和研究现状的基础上,系统梳理了5种基于观测数据的时间序列因果推断方法,即Granger因果分析方法、基于信息论的方法、因果网络结构学习算法、基于结构因果模型的方法和基于非线性状态空间模型的方法。然后,根据不同应用场景的数据特点,结合方法的功能和适配性,对基于观测数据的时间序列因果推断方法在经济金融、医疗和生物学、地球系统科学和其他工程领域的典型应用进行了简要介绍。最后,结合时间序列因果推断的重难点问题,比较5种方法的优缺点,分析下一步研究重点,展望未来的研究方向。

关键词:

时间序列, 因果推断, Granger因果分析, 信息熵, 贝叶斯网络, 结构因果模型, 非线性状态空间模型

Abstract:

With the increase of data storage and the improvement of computing power, using observational data to infer time series causality has become a novel approach. Based on the properties and research status of time series causal inference, five observational data-based methods are induced, including Granger causal analysis, information theory-based method, causal network structure learning algorithm, structural causal model-based method and method based on nonlinear state-space model. Then we briefly introduced typical applications in economics and finance, medical science and biology, earth system science and other engineering fields. Further, we compared the advantages and disadvantages and analyzed the ways for improvement of the five methods according to the focus and difficulties of time series causal inference. Finally, we looked into the future research directions.

Key words:

"> time series, causal inference, Granger causal analysis, information entropy, Bayesian network, structural causal model, nonlinear state space model

[1] 李 洪,杨雁武. 中国电信集团电子运维系统整合研究[J]. 电信科学, 2009, 25(11): 74 -77 .
[2] 姜启广. TD-SCDMA与2G共址网络规划探讨[J]. 电信科学, 2009, 25(11): 81 -85 .
[3] 刘伯涛. 移动回传的融合之路[J]. 电信科学, 2009, 25(11): 91 -93 .
[4] 杜伟. IP RAN 承载网技术探讨[J]. 电信科学, 2009, 25(11): 93 -94 .
[5] 朱召胜. 传递PTN价值 构建移动回传绿色精品网络[J]. 电信科学, 2009, 25(11): 97 -101 .
[6] 金家德. PTN力助运营商IP RAN建设步伐[J]. 电信科学, 2009, 25(11): 104 -105 .
[7] . 西南交通大学图书馆远程容灾备份系统的建设[J]. 电信科学, 2009, 25(11): 106 .
[8] . 联想服务器助力好耶广告网络邮件系统[J]. 电信科学, 2009, 25(11): 107 .
[9] 赵慧玲,江志峰. 泛在传感器网络和业务[J]. 电信科学, 2009, 25(12): 1 -3 .
[10] 张云霞,田烨. M2M应用浅析[J]. 电信科学, 2009, 25(12): 4 -8 .