arXiv Artificial Intelligence· Muhammad Hasan Ferdous, Ian Stockwell, Md Osman Gani·2026-10-15 12:00· 19 小时前AI 评分22

DCD：从自相关与非平稳时间序列中做基于分解的因果发现

DCD: Decomposition-based Causal Discovery from Autocorrelated and Non-Stationary Temporal Data

AI 导读

研究者提出 DCD 框架，将每条时间序列分解为趋势、季节和残差分量并分别做因果分析：趋势用平稳性检验、季节用核依赖度量、残差用约束式因果发现，再整合为统一的多尺度因果结构。在大量合成基准和真实气候数据上，该框架比现有最优基线更准确地还原真实因果结构，尤其在强非平稳和时间自相关条件下。