30、线性模型因果方向推理与城市交通流量预测研究

线性模型因果方向推理与城市交通流量预测研究

1. 线性模型因果方向推理

在因果推理领域，对于线性模型中因果方向的确定是一个重要且具有挑战性的问题。通过实验研究不同参数和条件下的因果推理方法准确性，能为解决实际问题提供有力支持。

1.1 参数 s 对因果推理方法准确性的影响

实验结果表明，当广义高斯分布（GGDs）的参数 s 接近 2 时，三种因果推理方法（SCCI、IGCI、UECI）在全局层面的准确性约为 50%，这与随机猜测的效果基本相同，验证了在高斯分布情况下的情况。因为高斯分布的线性和（或差）仍然是高斯分布，无法通过分布的不对称性来推断因果关系。
|方法|s 接近 2 时准确性|
| ---- | ---- |
|SCCI|约 50%|
|IGCI|约 50%|
|UECI|约 50%|

当 s 远离 2 时，三种方法的推断准确性呈现逐渐上升的趋势。不过，UECI 方法在 s < 0.6 时表现较差，存在一定的局限性。

graph LR
    A[s 接近 2] --> B[三种方法准确性约 50%]
    C[s 远离 2] --> D[三种方法准确性上升]
    E[s < 0.6] --> F[UECI 方法表现差]

1.2 信噪比（SNR）γ 对因果推理的影响

信噪比通常用于表示信息传输过程中有用信息与无关信息的比例。在实验中，保持其他条件不变，输入变量满足广义高斯分布，噪声变量为标准正态分布。将实验分为 6 组