中文

面向物联网数字孪生的结构因果与 Granger 因果分析

信号处理 2022-03-10 v1 机器学习

摘要

在这篇关于因果分析在物联网中应用的基础性阐述文章中,我们建立了从测量的多通道传感器数据(向量时间序列)中估计结构因果因子和 Granger 因果因子的基本理论与算法。向量时间序列被建模为结构向量自回归(SVAR)模型;利用 Kalman Filter 和独立成分分析(ICA)方法,估计了结构因果因子和广义 Granger 因果因子。估计出的因果因子以我们称之为因果数字孪生的 Fence 图呈现。因果数字孪生的实际应用在 NASA Prognostic Data Repository 轴承数据集上进行了演示。指出了因果数字孪生在反事实实验中的应用。因果数字孪生是一种横向解决方案,适用于工业、制造、汽车、消费、建筑和智慧城市等多个行业的各种用例。

关键词

引用

@article{arxiv.2203.04876,
  title  = {Structural & Granger CAUSALITY for IoT Digital Twin},
  author = {PG Madhavan},
  journal= {arXiv preprint arXiv:2203.04876},
  year   = {2022}
}

备注

7 pages