基于代理模型验证的强稳健时间序列因果发现

本研究解决了当前因果发现方法在复杂且噪声频繁的时间序列数据中面临的准确性和稳健性挑战。提出的强稳健交叉验证（RCV）方法增强了因果结构学习，通过RCV-VarLiNGAM和RCV-PCMCI这两个算法的创新扩展，显著提高了因果关系识别的可靠性，进而优化了代理模型的验证框架。