論文の概要: Structural Gating and Effect-aligned Lag-resolved Temporal Causal Discovery Framework with Application to Heat-Pollution Extremes
- arxiv url: http://arxiv.org/abs/2604.10371v1
- Date: Sat, 11 Apr 2026 22:50:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:15.980845
- Title: Structural Gating and Effect-aligned Lag-resolved Temporal Causal Discovery Framework with Application to Heat-Pollution Extremes
- Title（参考訳）: 構造ゲーティングとエフェクト整合ラグ分解時間因果発見フレームワークと熱汚染極端への応用
- Authors: Rui Chen, Jinsong Wu,
- Abstract要約: 本研究は、時間因果発見のための構造ゲーティングとエフェクト整列ディスカバリー(SGED-TCD)を提案する。
SGED-TCDを、中国東部と北部の遠隔接続駆動型複合熱波-大気汚染極端に適用する。
以上の結果から,SGED-TCDは気候環境に挑戦するシステムにおいて,物理的に解釈可能,階層的,およびラグ分解された因果経路を回復できることが示された。
- 参考スコア（独自算出の注目度）: 4.924495633674017
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This study proposes Structural Gating and Effect-aligned Discovery for Temporal Causal Discovery (SGED-TCD), a novel and general framework for lag-resolved causal discovery in complex multivariate time series. SGED-TCD combines explicit structural gating, stability-oriented learning, perturbation-effect alignment, and unified graph extraction to improve the interpretability, robustness, and functional consistency of inferred causal graphs. To evaluate its effectiveness in a representative real-world setting, we apply SGED-TCD to teleconnection-driven compound heatwave--air-pollution extremes in eastern and northern China. Using large-scale climate indices, regional circulation and boundary-layer variables, and compound extreme indicators, the framework reconstructs weighted causal networks with explicit dominant lags and relative causal importance. The inferred networks reveal clear regional and seasonal heterogeneity: warm-season extremes in Eastern China are mainly linked to low-latitude oceanic variability through circulation, radiation, and ventilation pathways, whereas cold-season extremes in Northern China are more strongly governed by high-latitude circulation variability associated with boundary-layer suppression and persistent stagnation. These results show that SGED-TCD can recover physically interpretable, hierarchical, and lag-resolved causal pathways in a challenging climate--environment system. More broadly, the proposed framework is not restricted to the present application and provides a general basis for temporal causal discovery in other complex domains.
- Abstract（参考訳）: 本研究は,複合多変量時系列におけるラグ分解因果発見の新しい枠組みである,時間的因果発見のための構造ゲーティングと効果整合ディスカバリ(SGED-TCD)を提案する。
SGED-TCDは、明示的な構造的ゲーティング、安定性指向学習、摂動効果アライメント、統一グラフ抽出を組み合わせて、推論された因果グラフの解釈可能性、堅牢性、機能的整合性を改善する。
代表的な実世界の環境におけるSGED-TCDの有効性を評価するため,中国東部と北部の遠隔接続駆動型複合熱波-大気汚染極端にSGED-TCDを適用した。
大規模気候指標、地域循環および境界層変数、および複合極端な指標を用いて、この枠組みは明らかに支配的な遅延と相対的な因果的重要性で重み付けされた因果ネットワークを再構築する。
東中国の温海水極端は、主に循環、放射線、換気経路を通じて低緯度海洋変動と結びついているのに対し、北中国の冷海水極端は、境界層抑制と持続的な停滞に伴う高緯度循環変動によってより強く支配されている。
これらの結果から,SGED-TCDは気候環境に挑戦するシステムにおいて,物理的に解釈可能,階層的,およびラグ分解された因果経路を回復できることが示された。
より広範に、提案するフレームワークは、現在のアプリケーションに限定されておらず、他の複雑なドメインにおける時間的因果発見の一般的な基礎を提供する。
関連論文リスト
- CASCADE: Cross-scale Advective Super-resolution with Climate Assimilation and Downscaling Evolution [51.56484100374058]
CASCADEは、学習された流況変動場に沿って粗い情報を反復的に検出することで微細構造を再構築する。
SEVIRレーダデータを用いて、激しい対流嵐の4倍の超解像について評価した。
大気や海洋の用途において、対流に支配される極端に適した、時間的に一貫した、物理的に一貫した、そして大量保存された復元を生成する。
論文 参考訳（メタデータ） (2026-02-18T14:41:54Z) - Time-Varying Causal Treatment for Quantifying the Causal Effect of Short-Term Variations on Arctic Sea Ice Dynamics [0.16206783799607727]
氷融解と淡水分布の因果関係の定量化が重要である。
本研究では,海氷厚とSSHの因果メカニズムを定量化するために,知識誘導変分オートエンコーダ(KGCM-VAE)を提案する。
KGCM-VAEが最先端のベンチマークよりPEHEより優れていることを示す。
論文 参考訳（メタデータ） (2026-01-25T01:44:55Z) - Spatio-Temporal Hierarchical Causal Models [12.518908171952113]
本稿では,階層因果モデリングを時間領域に拡張する新しいグラフィカルフレームワークである,時空間階層因果モデル(ST-HC-Ms)を紹介する。
我々のアプローチの核となるのは時空間崩壊理論であり、これは複雑なST-HC-Msが、量が増加するにつれて単純な平らな因果モデルに収束することを示している。
我々は、複雑な力学系における堅牢な因果推論の可能性を示すために、合成データセットと実世界のデータセットの両方でフレームワークを検証した。
論文 参考訳（メタデータ） (2025-11-25T17:56:43Z) - Synergistic Neural Forecasting of Air Pollution with Stochastic Sampling [50.3911487821783]
大気汚染は世界的な健康と環境のリスクの先駆けであり、特に山火事、都市干ばつ、塵嵐による大気汚染の急激な増加に弱い地域ではなおもである。
本稿では,気象および大気組成データを統合し,平均および極端汚染レベルの予測を改善する高分解能神経予測モデルであるSynCastを提案する。
論文 参考訳（メタデータ） (2025-10-28T01:18:00Z) - MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - Cluster-Segregate-Perturb (CSP): A Model-agnostic Explainability Pipeline for Spatiotemporal Land Surface Forecasting Models [5.586191108738564]
本稿では、LIMEのような摂動に基づく説明可能性手法とPDPのようなグローバルな限界説明可能性の両方から原理を統合するパイプラインを提案する。
提案したパイプラインは,複雑な陸面予測モデルにおける限界感度解析,限界相関解析,ラグ解析などの多様な調査分析の実施を単純化する。
論文 参考訳（メタデータ） (2024-08-12T04:29:54Z) - Generating Fine-Grained Causality in Climate Time Series Data for Forecasting and Anomaly Detection [67.40407388422514]
我々は、TBN Granger Causalityという概念的微粒因果モデルを設計する。
次に, TBN Granger Causality を生成的に発見する TacSas という, エンドツーエンドの深部生成モデルを提案する。
気候予報のための気候指標ERA5と、極度気象警報のためのNOAAの極端気象基準でTacSasを試験する。
論文 参考訳（メタデータ） (2024-08-08T06:47:21Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳（メタデータ） (2022-11-20T06:46:35Z) - Deep generative model super-resolves spatially correlated multiregional
climate data [5.678539713361703]
逆ネットワークに基づく機械学習により、ダウンスケーリングにおける地域間空間相関を正確に再構築できることを示す。
提案手法は,気候変動の影響を地域間一貫した評価に有効である。
本稿では,低分解能降雨場を圧力場に置き換えた深部生成モデルに基づくダウンスケーリング手法の結果について述べる。
論文 参考訳（メタデータ） (2022-09-26T05:45:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。