公开(公告)号：CN114036736A

公开(公告)日：2022-02-11

申请号：CN202111304900.1

申请日：2021-11-05

Applicant: 大连理工大学

Inventor： 马德伟 ,  韩敏 ,  秦晓梅 ,  许侃 ,  王钧

IPC: G06F30/20 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明属于数据挖掘领域，提出了一种基于局部格兰杰因果分析的因果网络学习方法。本发明先将采集到的数据进行预处理，对缺失数据采用平均值插补方法进行补全。然后对补全的数据进行平稳性检验及处理，以满足建立模型的假设。之后将数据进行归一化，以消除不同变量量纲带来的影响。最后建立基于局部格兰杰因果分析的因果网络学习算法，实现准确探究变量间因果关系的目的，同时展现不同变量间的动态因果关系曲线，以达到定量、明确地分析系统间各变量间的因果关系。

公开(公告)号：CN114036736B

公开(公告)日：2024-05-07

申请号：CN202111304900.1

申请日：2021-11-05

Applicant: 大连理工大学

Inventor： 马德伟 ,  韩敏 ,  秦晓梅 ,  许侃 ,  王钧

IPC: G06F30/20 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明属于数据挖掘领域，提出了一种基于局部格兰杰因果分析的因果网络学习方法。本发明先将采集到的数据进行预处理，对缺失数据采用平均值插补方法进行补全。然后对补全的数据进行平稳性检验及处理，以满足建立模型的假设。之后将数据进行归一化，以消除不同变量量纲带来的影响。最后建立基于局部格兰杰因果分析的因果网络学习算法，实现准确探究变量间因果关系的目的，同时展现不同变量间的动态因果关系曲线，以达到定量、明确地分析系统间各变量间的因果关系。