用于抗火评估的因果发现与因果学习：领域知识的引入
机器学习
2022-04-13 v1 应用统计
摘要
实验仍是建立对火灾相关现象认知的黄金标准。设计试验的一个主要目标是揭示数据生成过程（即我们所观测到的现象如何及为何产生），或简言之是什么导致了此类观测。揭示这一过程不仅推进我们的认知，也赋予我们准确预测现象的能力。本文提出一种利用因果发现与因果推断来评估结构构件抗火性能的方法。该方法采用因果发现算法揭示钢筋混凝土（RC）柱抗火性能关键变量间的因果结构，继而应用配套的推断算法在给定特定干预下推断（估计）各变量对抗火性能的影响。最后，本研究对比了算法因果发现与基于领域知识和传统机器学习所得结果。我们的发现清晰展示了将因果性引入本领域的潜力与价值。
引用
@article{arxiv.2204.05311,
title = {Causal Discovery and Causal Learning for Fire Resistance Evaluation: Incorporating Domain Knowledge},
author = {M. Z. Naser and Aybike Ozyuksel Ciftcioglu},
journal= {arXiv preprint arXiv:2204.05311},
year = {2022}
}