[發(fā)明專利]一種用于度量復(fù)雜動(dòng)力系統(tǒng)本征因果關(guān)系的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010635709.4
• 申請(qǐng)日: 2020-07-03
• 公開（公告）號(hào): CN111859274B
• 公開（公告）日: 2022-08-30
• 發(fā)明（設(shè)計(jì)）人: 王剛;喬方利
• 申請(qǐng)（專利權(quán)）人: 自然資源部第一海洋研究所;青島海洋科學(xué)與技術(shù)國(guó)家實(shí)驗(yàn)室發(fā)展中心
• 主分類號(hào): G06F17/16
• 分類號(hào): G06F17/16;G06F17/15;G06V10/56;G06F16/2458;G06K9/00
• 代理公司: 北京匯捷知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11531
• 代理人: 馬金華

本發(fā)明屬于數(shù)據(jù)分析技術(shù)領(lǐng)域，公開了一種用于度量復(fù)雜動(dòng)力系統(tǒng)本征因果關(guān)系的方法。給定兩個(gè)時(shí)間序列，對(duì)它們分別做經(jīng)驗(yàn)?zāi)B(tài)分解，得到它們各自的本征模態(tài)函數(shù)組；從兩個(gè)時(shí)間序列的本征模態(tài)函數(shù)組中各取一個(gè)本征模態(tài)函數(shù)，分別作為原因序列和結(jié)果序列，應(yīng)用梁?克里曼信息流方法，計(jì)算兩個(gè)本征模態(tài)函數(shù)之間的信息流；遍取兩函數(shù)組中所有本征模態(tài)函數(shù)的組合，計(jì)算每對(duì)本征模態(tài)函數(shù)之間的信息流；確定滿足顯著性準(zhǔn)則的顯著本征原因；確定主要本征結(jié)果：從兩組本征模態(tài)函數(shù)組中任意選定一個(gè)本征模態(tài)函數(shù)作為原因序列，從與之對(duì)應(yīng)的本征信息流結(jié)果序列中，根據(jù)信息流的相對(duì)重要性，確定主要本征結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)據(jù)分析技術(shù)領(lǐng)域，尤其涉及一種基于經(jīng)驗(yàn)?zāi)B(tài)分解、梁-克里曼信息流度量復(fù)雜動(dòng)力系統(tǒng)時(shí)間序列之間的本征因果關(guān)系的方法。

背景技術(shù)

通常把描述幾何空間中一個(gè)點(diǎn)隨時(shí)間演化的數(shù)學(xué)模型稱為動(dòng)力系統(tǒng)。動(dòng)力系統(tǒng)可以由時(shí)間序列來表示。除自然科學(xué)外，社會(huì)歷史發(fā)展、經(jīng)濟(jì)發(fā)展等所有可以由時(shí)間序列描述的問題也都可以認(rèn)為是動(dòng)力系統(tǒng)。兩個(gè)動(dòng)力過程之間的因果關(guān)系也就是時(shí)間序列之間的因果關(guān)系。牛頓以來的簡(jiǎn)單系統(tǒng)之間相互作用較弱，而復(fù)雜動(dòng)力系統(tǒng)中廣泛存在著因果關(guān)系。復(fù)雜系統(tǒng)存在于世界各個(gè)角落，而因果關(guān)系的確定并不容易。目前，最接近描述因果關(guān)系的現(xiàn)有技術(shù)是信息流(information flow/information transfer)。信息流描述兩個(gè)時(shí)間序列之間信息傳播的方向和大小。兩個(gè)系統(tǒng)之間有信息傳遞，即表示它們之間互有影響。因而信息流是度量因果關(guān)系的合適方法。信息流有明確的物理意義，但它建立在經(jīng)驗(yàn)或半經(jīng)驗(yàn)公式的基礎(chǔ)上，缺乏堅(jiān)實(shí)的理論基礎(chǔ)。Liang和Kleeman(2005)為動(dòng)力系統(tǒng)的信息流建立了嚴(yán)格的數(shù)學(xué)描述。本發(fā)明稱其為“梁-克里曼信息流”或者“梁-克里曼因果關(guān)系”。以下表述中所說的“信息流”即指“梁-克里曼信息流”。一般認(rèn)為“信息流”和“因果關(guān)系”是同義詞，不加區(qū)分；但在本發(fā)明中，只有當(dāng)“因果關(guān)系”比較顯著時(shí)，才認(rèn)為“信息流”和“因果關(guān)系”是同一概念，即“因果關(guān)系”是一種通過了某種準(zhǔn)則的、較強(qiáng)的“信息流”。

一個(gè)時(shí)間序列往往是由多個(gè)動(dòng)力過程組合而成的信息。因而，兩個(gè)時(shí)間序列之間的信息流，可能只在它們所包含的某些動(dòng)力分量之間比較顯著。例如，太陽(yáng)輻射的變化尺度從分鐘到上千年，海洋中的熱量或動(dòng)力變化也存在幾秒鐘到千年的尺度。太陽(yáng)輻射的變化會(huì)引起海洋熱力或動(dòng)力過程的變化，但并非前者的每一個(gè)尺度的變化都會(huì)引起后者所有尺度的變化。一般認(rèn)為，一個(gè)運(yùn)動(dòng)的變化只和時(shí)間尺度與其相近的運(yùn)動(dòng)有較好的相關(guān)性，因而可能會(huì)有較強(qiáng)的因果關(guān)系。

綜上所述，現(xiàn)有技術(shù)存在的問題是：

(1)現(xiàn)有方法計(jì)算兩個(gè)復(fù)雜動(dòng)力系統(tǒng)的因果關(guān)系時(shí)，往往由于多尺度復(fù)雜信號(hào)的混淆而難以給出具有統(tǒng)計(jì)顯著性的結(jié)果，即兩時(shí)間序列整體的信息流掩蓋了兩個(gè)序列的內(nèi)在(本征)因果關(guān)系。

(2)信息流方法或其他因果關(guān)系度量方法僅適合刻畫兩個(gè)簡(jiǎn)單過程的因果關(guān)系，對(duì)于兩個(gè)均由多個(gè)復(fù)雜過程構(gòu)成的時(shí)間序列，不能揭示它們的本征模態(tài)之間的因果關(guān)系。

(3)信息流只能確定兩個(gè)時(shí)間序列之間有信息傳遞，對(duì)信息流與因果關(guān)系沒有區(qū)分。

解決上述技術(shù)問題的難度：揭示兩個(gè)復(fù)雜系統(tǒng)的本征因果關(guān)系，本發(fā)明首先需要獲取兩個(gè)復(fù)雜系統(tǒng)各自的本征模態(tài)。這里選用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD：Empirical ModeDecomposition)方法來獲得兩個(gè)時(shí)間序列的本征模態(tài)函數(shù)。經(jīng)驗(yàn)?zāi)B(tài)分解是一種自適應(yīng)的數(shù)據(jù)分解方法。它根據(jù)數(shù)據(jù)的自身的極值點(diǎn)分布特征，尋找其上、下包絡(luò)線。上、下包絡(luò)線的平均包絡(luò)作為低頻信息的一部分，從數(shù)據(jù)中去除。為完整去掉低頻信息，確定上、下包絡(luò)并去除平均包絡(luò)的過程要重復(fù)多次，這稱為一次篩選(sifting)。一次篩選從數(shù)據(jù)中得到一個(gè)高頻的本征模態(tài)函數(shù)(IMF)。從原數(shù)據(jù)中減去當(dāng)前得到的本征模態(tài)函數(shù)，再進(jìn)行第二次篩選，可以得到次高頻率的第二個(gè)本征模態(tài)函數(shù)。如此繼續(xù)，直到剩下的部分不再具有本征模態(tài)函數(shù)的特征。這樣，可以把原時(shí)間序列表示為若干個(gè)本征模態(tài)函數(shù)以及一個(gè)殘余量之和。