面向故障间格兰杰因果发现的霍克斯过程研究

摘要：

现有因果关系建模方法应用于故障事件序列时,难以有效引入因果先验,使得算法结果过于稠密,同时在稀疏、时间精度低的数据上因果关系可靠性较差.将不同故障类型事件的因果关系建模为基于霍克斯过程的格兰杰因果关系,提出一种面向故障序列的格兰杰因果发现的霍克斯过程模型.将霍克斯过程拓展到离散时间域,解决低时间精度数据的建模问题,并通过构造基于贝叶斯信息准则的目标函数,保证因果结构稀疏性,进而利用基于EM算法与爬山法的迭代优化算法引入因果先验,提高模型的可靠性.实验结果表明,该方法在由不同参数生成的模拟数据上均表现突出,且在两个通信网络的真实数据集中,F1评分相比ADM4、MLE-SGL、TSSO和PCMCI算法提升15.18％以上.而通过引入根因标注和因果依赖性先验,算法的F1评分进一步提升22.43％以上,验证了引入先验的有效性.

关键词：事件序列、格兰杰因果、霍克斯过程、贝叶斯信息准则、期望最大化算法、爬山法

所属期刊栏目：49

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;广州市科技计划

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：65-72