连接预测与归因:利用同化因果推断识别前向与后向因果影响范围
《Physica D: Nonlinear Phenomena》:Bridging Prediction and Attribution: Identifying Forward and Backward Causal Influence Ranges Using Assimilative Causal Inference
【字体:
大
中
小
】
时间:2026年09月22日
来源:Physica D: Nonlinear Phenomena 2.9
编辑推荐:
**摘要**
本文引入了严格的前向与后向因果影响范围(CIR)理论,构建在融合同化因果推断(ACI)这一将因果性视为逆问题的观点之上。我们开发了无阈值、稳健且高效的算法,用于计算前向与后向CIR,并对非线性动力系统中的因果可预测性与因果归因进行量化。本框架还被应用于临界点(
**摘要**
本文引入了严格的前向与后向因果影响范围(CIR)理论,构建在融合同化因果推断(ACI)这一将因果性视为逆问题的观点之上。我们开发了无阈值、稳健且高效的算法,用于计算前向与后向CIR,并对非线性动力系统中的因果可预测性与因果归因进行量化。本框架还被应用于临界点(tipping points)分析与大气阻塞(atmospheric blocking)研究。
**引言**
因果推断旨在识别状态变量之间的因果关系[1]、[2]、[3],并广泛应用于各个科学与社会领域。除有助于理解底层动力学外,因果推断在辅助发现控制方程、评估干预措施及辅助决策等方面同样发挥着关键作用[4]–[12]。
传统因果推断方法大多依赖多变量时间序列数据。此类方法包括:直接时间序列分析方法(Granger因果[13]、转移熵[14]、[15]、因果熵[16]、[17])、状态空间重构方法(拓扑因果[18]、收敛交叉映射[19]、[20])以及结构因果模型的统计学习方法(干预数据方法[21]、[22]、混合因果发现[23])。这些方法所识别的时平均因果关系提供了一种对因果性的总体指示。然而,许多复杂动力系统表现出强间歇性与非线性,这意味着状态变量之间的因果关系可能随时间反复出现或中断。因此,识别瞬时因果链路对于理解瞬态行为(如极端事件、分岔与状态切换)至关重要。已有一些基于模型的方法可以跟踪随时间变化的因果关系,例如利用泛函算子的方法(信息流[24]、Koopman因果[25])和基于线性响应理论的方法(涨落-耗散定理[26]、格林函数[27])。但即便是验证单一可能因果假设,这些方法通常也难以计算,且部分方法仅能提供极短时间范围内的时序结果。
最近,融合同化因果推断(ACI)[28]方法被提出,旨在捕捉随时间演化的因果关系。该方法利用贝叶斯数据同化将观测数据与模型融合用于因果推断,将因果性研究表述为一个不确定性量化逆问题,从已观测到的效应追溯其成因。ACI的关键优势包括:能够在线跟踪可能间歇互换的因果角色;能够处理仅包含潜在效应观测的短且不完整数据集;并通过利用数据同化中的既有技术,在高分维场景下保持计算效率。
尽管发现瞬时因果链路是关键的第一步,但全面的分析还必须量化与之相关的因果影响范围(CIR),该范围界定了因果影响显著的时间域。这一概念有两种不同的解释:前向(预测性)CIR描述当前原因在未来仍将保持影响力的时段;后向(归因性)CIR描述当前观测到的效应由其因果源头所产生的过去时段。
(A) 前向CIR定量回答了这样的操作性问题:"这一因果效应还能持续多久?"它评估一个正在发生的事件的剩余持续时间,或在早期预警信号之后推断极端事件爆发的可能性。通过提供因果持续性的预测,前向CIR有助于主动预防灾难性事件(如干旱、海啸或气旋)。
(B) 后向CIR回答了如下问题:"导致该观测事件的因果前兆何时出现?"它定位破坏性事件的起始时刻并揭示其底层驱动机制。通过支持因果归因层面的根本原因分析,后向CIR引导针对性的灾害应对策略与风险削减措施。例如,它可以识别哪些因素对地球系统过程的长期变化影响最大,从而帮助优先确定最有效的适应措施。
本研究在ACI框架基础上,为前向与后向CIR开发了数学上严格的度量指标。这些公式首次提供了一般性框架,用于量化湍流系统中因果链路在预测(未来)和归因(过去)方向上的时间跨度。该框架的一个关键优势在于,它通过ACI中的贝叶斯数据同化,推导出CIR的可计算表达式。这些表达式适用于复杂的动力系统,包括具有多样自相关结构以及混沌动力学的系统。尤为关键的是,这些CIR度量具有客观定义,不依赖于经验阈值。此外,对于广泛的一类湍流系统,它们还允许使用具有闭式近似的计算高效算法,从而使渐近分析和实际估计即使在高分维应用中也能实现。
本文其余部分的组织如下:第2节简要介绍ACI基础,并建立前向与后向CIR的理论,包括高效近似公式的推导。第3节将CIR框架应用于:(a) 在地球系统模型中区分由分岔驱动和噪声诱导的临界点;(b) 在低频大气变率模型中通过分解相互干扰的动力学分量,澄清预测与归因;(c) 利用包含流-波相互作用和季节反馈的赤道环流概念模型,识别大气阻塞机制。第4节给出结论与讨论。附录中提供附加的数学推导与技术细节,并在其中引入了一类广义非线性动力系统,该类系统使得对CIR度量进行解析评估时不必依赖集合近似。
**符号与设定**
全文中,粗体变量表示多维量;小写表示列向量,大写表示矩阵。唯一例外是W(带下标),由于文献传统习惯,它表示向量值维纳过程。此外,为简洁起见,我们沿用物理学的记号惯例,不区分随机变量及其实现。
设 ?? = (Ω, ?, ??, ?) 为用于滤波的增广概率空间。
**基于CIR的复杂动力系统探测**
本节中,利用ACI及其CIR公式解决三个关键科学难题:(a) 理解地球系统概念模型中由分岔驱动与噪声诱导的临界点;(b) 在低频大气变率模型中通过解析相互干扰的观测效应以改进预测与归因;(c) 利用包含流-波相互作用与季节反馈的赤道环流概念模型研究大气阻塞与解阻机制。
**讨论与结论**
本文中,我们在ACI框架内发展了数学上严格的公式来量化因果影响的时间跨度。我们引入了CIR,用于衡量当前原因在未来仍保持影响力的时段(前向CIR)以及导致当前观测效应的成因所在过去时段(后向CIR)。具有理论依据的近似公式使得这些时间度量的计算变得高效,并在可处理的复杂系统情境下便于进行渐近分析。
**资助**
N.C. 的研究由海军研究办公室(N00014-24-1-2244)和陆军研究办公室(W911NF-23-1-0118)资助。M.A. 部分研究以研究员助理身份在第二项资助下获得支持。
**代码可用性声明**
本工作中用于分析和生成图形的MATLAB代码可在以下GitHub仓库找到:https://github.com/marandmath/FBCIR_code。代码库还包含可选的实现,用于在所有案例研究中,将精确目标前向与后向CIR(分别对应公式(10)和(18))与其计算高效近似(分别对应公式(12)和(20))的逐时定义-近似对比图进行比较。
**CRediT作者贡献声明**
Marios Andreou:撰写——初稿,可视化,软件,方法论,形式分析,概念化。
Nan Chen:撰写——审阅与编辑,监督,方法论,经费获取,概念化。
**利益冲突声明**
作者声明不存在已知的可能影响本文所报告工作的竞争性经济利益或个人关系。
Marios Andreou | Nan Chen
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号