时间序列的爆发树分解揭示时间相关性结构

对各种自然和社会过程中观测到的非泊松、爆发式时间模式的全面刻画,对于理解此类时间模式背后的潜在机制至关重要。其中爆发式事件序列主要依据事件间时间(IETs)进行研究,而IETs之间的高阶相关结构由于缺少适当的刻画方法而极少受到关注。在本文中我们提出一种将事件序列分解为一组IETs和一个爆发树的方法,其精确捕获了在IET分布分析中完全缺失的时间相关性结构。我们将爆发树分解方法应用于多个数据集并分析所揭示的爆发树的结构。特别地,我们观察到事件序列展现出相似的爆发树结构,例如重尾的爆发规模分布,尽管其IET分布非常不同。爆发树使我们能够直接刻画导致高阶时间相关性的爆发的优先混合与同配混合结构。我们还展示了如何在随机参考模型框架下使用该分解方法对爆发树所捕获的此类高阶相关性进行系统研究。最后,我们设计了一个简单的基于核的模型用于生成展现适当高阶时间相关性的事件序列。我们的方法是一种工具,通过将爆发式时间序列中原本难以处理的高阶相关性分析转化为树结构分析,使其变得可处理。