观测地球科学中的时变混杂偏误及其在诱导地震中的应用
应用统计
2025-10-21 v1
摘要
基于物理模型的证据已确定，盐水处理是导致诱导地震的主要因性因素。为补充物理模型，统计/机器学习(ML)模型被设计用于从观测数据中测量关联性，可采用参数化回归模型或更灵活的ML模型。然而，难以解释参数的统计显著性或模型的预测能力是否构成因果证据。我们采用潜在结果观点下的因果推断框架，明确定义我们所指的因果效应，并声明恢复无偏因果效应估计的必要识别条件。特别是，我们通过仿真展示了观测纵向地球科学数据中时变混杂的威胁，并从因果干扰文献中借鉴已建立的统计方法，用于估计2013至2016年美国中北德克萨斯州Fort-Worth盆地废水处理对地震的效应。
引用
@article{arxiv.2510.16360,
title = {Time-Varying Confounding Bias in Observational Geoscience with Application to Induced Seismicity},
author = {Yuchen Xiao and Corwin Zigler and Peter H. Hennings and Alexandros Savvaidis},
journal= {arXiv preprint arXiv:2510.16360},
year = {2025}
}