基于贝叶斯网络的复杂系统因果关系研究

摘要

因果关系是复杂系统中普遍存在的一种重要关系，因果分析是人们透过现象看本质的一种重要手段，能够帮助人们理解和掌握特定论域的内在因果规律。复杂系统中的因果关系往往是不确定的、间接的和演化的，且复杂环境中存在的因果背离会导致系统出现因果不一致性，从而使复杂系统因果关系和因果作用机理难以认知。从系统角度来看，能量是复杂系统中具有决定性的一种本质要素，系统的表面特征是能量的外在表现形式，系统发生的事件或态势是能量作用的结果，从而使能量成为联系表面特征和系统态势之间的因果纽带，因此能量分析是复杂系统因果认知研究的一种重要手段。
　　论文以因果贝叶斯网络作为因果知识表示模型，利用从复杂系统中提取的数据，通过机器学习方法获得因果关系的结构模型。在此基础上，围绕复杂系统中因果关系发现及其传播问题，开展了相关研究，主要研究内容如下:
　　(1)基于因果强度和扰动测试的复杂系统因果结构关系发现由于复杂系统中的因果关系具有不确定性和强弱性，导致因果关系难以发现。扰动学习通过对目标结点的参数进行操纵，并观察所产生的影响，从而判断系统之间的因果联系，是一种有效的主动学习方法。针对现有扰动学习方法在选择扰动结点时没有考虑结点间因果关系的不确定性和强弱性，本文首先引入因果互信息来度量结点之间因果关系的强度;然后将因果互信息和非对称熵相结合作为因果不确定性评价标准来选择扰动结点，产生扰动数据;最后提出基于因果强度和扰动测试的因果结构关系发现算法(CP-ITCD)。实验结果表明，该方法能够用较少的扰动次数获得精确的因果结构，学习效果明显优于现有方法。
　　(2)基于灵敏性分析的复杂系统因果传播过程研究复杂系统中因果影响是深层的，要素状态变化所产生的影响会在系统中不断传播并累积，甚至出现蝴蝶效应。针对复杂系统中因果关系的传递性和影响的深层性，论文首先通过贝叶斯网络的灵敏性分析复杂系统因果传播的过程，建立灵敏性函数;然后以灵敏度衡量父结点的相对重要性，并作为父结点选择的依据;最后提出基于灵敏度的因果链路搜索算法(SA-CC)，并对算法的性能和复杂性进行分析。
　　(3)基于能量计算的复杂系统因果传播动力机理研究能量是复杂系统中具有决定性的一种本质要素，事件的态势是能量作用的结果，因此能量是系统因果传播的动力。股市系统是非线性、高噪音的动态复杂系统，股市态势波动本质上是一个能量变化过程，因此基于能量思想可以实现对股市态势的有效预测。论文首先从股市系统的特性分析入手，提取影响股市态势的能量要素，给出不同特征的能量计算模型，并分析能量分布不一致性;然后基于贝叶斯网络数据融合技术分析能量的传播过程，构建股市态势结构模型;最后将能量条件概率函数之间的约束关系引入到支持向量机中，提出基于能量计算的股市态势预测算法(E-STF)。实验选取上证指数3年的数据进行对比和分析，结果表明基于能量思想能有效解决能量分布不一致性问题，且使态势预测准确率得到有效提升。

目录

声明

致谢

摘要

1 引言

1．1 研究背景及意义

1．2 因果关系研究综述

1．2．1 因果模型

1．2．2 被动因果关系发现

1．2．3 主动因果关系发现

1．2．3 因果关系传播过程研究

1．2．4 因果关系传播动力研究

1．3 复杂系统因果关系研究面临的挑战

1．4 本文主要研究内容

1．4．1 课题来源

1．4．2 内容组织

2 因果关系研究的理论基础

2．1 引言

2．2 因果模型

2．2．1 概率论基础

2．2．2 贝叶斯网络

2．2．3 因果贝叶斯网络

2．3 因果贝叶斯网络结构被动学习

2．3．1 基于评分搜索的学习方法

2．3．2 基于依赖分析的学习方法

2．4 因果贝叶斯网络扰动学习

2．4．1 扰动定义

2．4．2 扰动模型

2．5 小结

3 基于因果强度和扰动测试的复杂系统因果结构关系发现

3．1 引言

3．2 扰动学习的基本原理

3．2．1 结构扰动

3．2．2 参数扰动

3．3 因果强度的度量准则

3．3．1 Good的因果微积分学

3．3．2 Cheng的因果强度理论

3．3．3 基于互信息的因果强度

3．4 基于因果强度和扰动测试的因果结构关系发现算法

3．4．1 边缘后验概率计算

3．4．2 因果贝叶斯网络结构学习

3．4．3 扰动结点选择

3．4．4 算法评价准则

3．4．5 算法描述

3．5 结果分析

3．5．1 三种因果强度准则的结果分析

3．5．2 互信息和非对称信息熵结合的结果分析

3．6 小结

4 基于灵敏性分析的复杂系统因果传播过程研究

4．1 引言

4．2 贝叶斯网络灵敏性分析

4．2．1 灵敏性函数

4．2．2 灵敏度

4．3 基于灵敏性分析的因果传播过程

4．3．1 联合树中的消息传递

4．3．2 基于联合树的灵敏性函数计算

4．3．3 基于灵敏性分析的因果传播过程

4．4 基于结点灵敏度的因果链搜索

4．4．1 因果链构造

4．4．2 基于结点灵敏度的因果链搜索算法(SA_CC)

4．4．3 算法时间复杂性分析

4．5 实验结果与分析

4．5．1 实例分析

4．5．2 算法的时间性能

4．6 小结

5 基于能量计算模型的复杂系统因果传播动力机理研究

5．1 引言

5．2 股市系统的能量计算模型

5．2．1 随机指标的能量计算模型

5．2．2 相对强弱指标的能量计算模型

5．2．3 指数平滑异同移动平均线的能量计算模型

5．2．4 成交量指标的能量计算模型

5．2．5 收盘指数的能量计算模型

5．3 基于贝叶斯网络的能量特征融合

5．3．1 能量分布不一致性

5．3．2 技术指标能量融合

5．3．3 时序能量融合

5．4 基于能量计算模型的股市态势预测

5．4．1 能量约束的SVM股市态势预测模型

5．4．2 能量计算股市态势预测算法(E-STF)

5．5 实验结果与分析

5．5．1 预测准确率分析

5．5．2 股市态势能量一致性分析

5．6 本章小结

6 总结与展望

6．1 论文内容总结

6．2 未来工作

参考文献

攻读博士学位期间的学术活动及成果情况