具有滞后时间依赖关系系统中异常值的因果解释
机器学习
2026-02-05 v1 机器学习
摘要
受控的时间依赖系统中的根因分析在实际应用中面临重大挑战。尤其是能源系统难以处理，因为它们既存在即时效应，也存在延迟效应，且配备储能装置后具有记忆性。本文将 Budhathoki 等人[2022]的方法引入普适的时间依赖系统中，因为该方法可被视为“根因”概念的严格因果定义。特别地，我们讨论了两种截断方法以处理时间依赖系统中无限的依赖图。一种方法保留因果机制，另一种方法在起始节点处近似因果机制。通过以工厂能源管理中一个具有挑战性的数据生成过程为基准，即电力消费峰值避免问题，评估不同方法的效果。我们表明，在足够的滞后性后，本扩展方法能够在特征和时间域定位根因。此外，讨论了机制近似的影响。
引用
@article{arxiv.2602.04667,
title = {Causal explanations of outliers in systems with lagged time-dependencies},
author = {Philipp Alexander Schwarz and Johannes Oberpriller and Sven Klaassen},
journal= {arXiv preprint arXiv:2602.04667},
year = {2026}
}