📊 statistics

DCD: Decomposition-based Causal Discovery from Autocorrelated and Non-Stationary Temporal Data

L'article présente DCD, un cadre de découverte causale basé sur la décomposition qui sépare les séries temporelles multivariées en composantes de tendance, saisonnières et résiduelles pour effectuer une analyse causale ciblée, améliorant ainsi la précision et l'interprétabilité de la récupération de la structure causale dans des données non stationnaires et autocorrélées par rapport aux méthodes existantes.

Auteurs originaux : Muhammad Hasan Ferdous, Md Osman Gani

Publié 2026-04-29

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Muhammad Hasan Ferdous, Md Osman Gani

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayez de déterminer ce qui cause quoi dans une pièce chaotique et bruyante. Vous avez un groupe de personnes (des variables) qui crient, chantent et parlent les unes par-dessus les autres. Certains crient à cause d'une tendance à long terme (comme une tempête qui se construit lentement), certains chantent un refrain répétitif (des schémas saisonniers), et d'autres ont simplement des conversations rapides et aléatoires (des fluctuations à court terme).

Le problème est que si vous écoutez simplement toute la pièce à la fois, vous pourriez penser que deux personnes ont une conversation profonde alors qu'elles réagissent en réalité toutes les deux à la même sirène bruyante à l'extérieur. C'est le problème de l'analyse de données complexes comme la météo ou les marchés boursiers : la non-stationnarité (des choses qui changent au fil du temps) et l'autocorrélation (des choses qui se répètent) créent des connexions « fausses » qui trompent les outils d'enquête standards.

Cet article introduit un nouvel outil d'enquête appelé DCD (Découverte Causale basée sur la Décomposition). Voici comment il fonctionne, décomposé en étapes simples :

1. La stratégie des « écouteurs à réduction de bruit »

Au lieu d'écouter la pièce désordonnée tout d'un coup, le DCD enfile une paire d'écouteurs spéciale qui sépare le son en trois canaux distincts :

Le canal de la tendance : Il capture la dérive lente et à long terme (comme une montée du niveau de la mer ou un boom économique lent).
Le canal saisonnier : Il capture les boucles répétitives (comme les saisons qui changent chaque année ou les pics de consommation d'électricité chaque matin).
Le canal résiduel : Il capture le « bruit » restant — les interactions rapides et à court terme entre les personnes qui ne sont pas causées par les tendances à long terme ou les boucles répétitives.

2. Résoudre le puzzle dans trois pièces séparées

Une fois le bruit séparé, le DCD enquête sur chaque canal avec un outil différent, car chaque type de bruit nécessite un type d'enquête différent :

Dans la pièce de la tendance : Il vérifie si la dérive lente est simplement aléatoire ou si elle est pilotée par une force extérieure (comme le temps lui-même). Il traite le temps comme un « proxy » de pilotage.
Dans la pièce saisonnière : Il recherche des cycles répétitifs. Si deux variables dansent sur le même rythme, il les marque comme connectées au « rythme » (le temps), et non nécessairement directement l'une à l'autre.
Dans la pièce résiduelle : C'est la partie la plus importante. Maintenant que les tendances à long terme et les boucles répétitives sont parties, les données restantes sont « propres ». Ici, le DCD utilise des méthodes standard de découverte causale pour trouver les vrais liens de cause à effet à court terme (par exemple : « Lorsque la température baisse maintenant, l'humidité change maintenant »).

3. Remettre les pièces ensemble

Enfin, le DCD prend les cartes des trois pièces et les combine en une seule grande image claire.

Il trace des flèches du Temps vers les variables qui dérivent simplement ou cyclent (des pilotes exogènes).
Il trace des flèches entre les Variables pour les causes mécaniques réelles et à court terme trouvées dans les données résiduelles propres.

Pourquoi est-ce mieux que l'ancienne méthode ?

L'article a testé cela contre d'autres outils d'enquête de premier plan (comme PCMCI+ et DYNOTEARS) en utilisant des données factices et des données réelles (la glace de mer arctique et les transformateurs électriques).

Les anciens outils : Face à la pièce bruyante, ils se sont confus. Ils pensaient que la « sirène » (la saisonnalité) était une conversation entre deux personnes, créant un réseau de connexions fausses. Ils ont souvent manqué les vraies interactions rapides parce que le bruit les a noyées.
Le DCD : En nettoyant les données d'abord, il a trouvé les vraies connexions beaucoup plus précisément. Il n'a pas été trompé par les boucles répétitives ni par les dérives lentes.

Le filet de sécurité contre les « fuites »

Les auteurs admettent que parfois, les « écouteurs » ne sont pas parfaits, et un peu de la « chanson saisonnière » pourrait fuir dans la pièce du « bruit résiduel ». Ils ont prouvé mathématiquement que même si cela se produit, l'outil ne plante pas ; il devient juste légèrement moins précis, mais reste bien meilleur que la concurrence. C'est comme avoir un filet de sécurité qui vous rattrape même si vous trébuchez un peu.

Preuve dans le monde réel

Glace de mer arctique : Le DCD a correctement déterminé comment la glace de mer, la température et le rayonnement interagissent, en séparant le cycle hivernal/estival annuel des véritables relations de cause à effet. Les autres outils ont soit manqué les connexions, soit tracé des lignes confuses et désordonnées.
Transformateurs électriques : Le DCD a déterminé comment différentes parties de la charge d'une centrale électrique s'influencent mutuellement sans se laisser confondre par les cycles d'utilisation quotidiens.

En bref : Le DCD est une méthode qui dit : « N'essayez pas de résoudre tout le puzzle désordonné d'un coup. Nettoyez d'abord le bruit, résolvez les petites pièces séparément, puis remettez-les ensemble. » Cela lui permet de voir la véritable structure causale dans des données qui sont généralement trop chaotiques pour être comprises.

1. Énoncé du Problème

Les séries temporelles multivariées dans des domaines tels que la finance, la science du climat et la santé présentent souvent des tendances à long terme, des modèles saisonniers et des fluctuations à court terme. Ces caractéristiques introduisent une non-stationnarité et une autocorrélation, qui compliquent considérablement l'inférence causale.

Le Défi Central : Les méthodes existantes de découverte causale (DC) opèrent généralement sur des observations brutes. Elles peinent à démêler les effets causaux à long terme, les dépendances saisonnières et les interactions transitoires.
Conséquences : Cela conduit à la création d'arêtes spuriaires (liens causaux faux) et à une attribution erronée des dépendances temporelles. Par exemple, un cycle saisonnier partagé entre deux variables peut être identifié à tort comme un lien causal direct, ou une tendance à long terme peut masquer des relations mécaniques à court terme.
Lacune : Bien que les modèles d'apprentissage profond aient amélioré les prévisions en capturant des dépendances à long terme, ils restent corrélationnels. Il manque des méthodes qui intègrent explicitement la décomposition des séries temporelles avec l'inférence causale pour séparer ces échelles temporelles.

2. Méthodologie : Le Cadre DCD

Les auteurs proposent la Découverte Causale basée sur la Décomposition (DCD), un cadre structuré qui sépare chaque série temporelle en trois composantes — Tendance ( $T$ ), Saisonnière ( $S$ ) et Résiduelle ( $R$ ) — et effectue une analyse causale ciblée sur chacune avant d'intégrer les résultats.

A. Étape de Décomposition

Technique : Utilisation de STL (Décomposition Saisonnière-Tendance utilisant LOESS) pour décomposer les séries temporelles multivariées $X_i(t) = T_i(t) + S_i(t) + R_i(t)$ .
Justification : STL est choisi par rapport aux bases de Fourier rigides ou aux moyennes mobiles car le lissage LOESS s'adapte aux non-linéarités locales et minimise la fuite spectrale (énergie d'une composante se répandant dans une autre), ce qui est crucial pour les garanties théoriques.
Sélection de la Période : La période saisonnière $P$ est sélectionnée par maximisation de la variance. Si aucune saisonnalité significative n'est trouvée, la composante saisonnière est fixée à zéro.

B. Analyse Causale Spécifique aux Composantes

DCD applique différentes stratégies d'inférence adaptées aux propriétés statistiques de chaque composante :

Analyse de la Tendance (Dépendance à Long Terme) :
- Objectif : Identifier les moteurs temporels exogènes.
- Méthode : Application de tests de stationnarité (ADF et KPSS). Si une tendance est non stationnaire, une arête dirigée depuis l'index temporel ( $t \to X_i$ ) est ajoutée au graphe de tendance ( $G_T$ ). Cela traite le temps comme un confondant latent pour les dynamiques à long terme.
Analyse Saisonnière (Dépendance Cyclique) :
- Objectif : Identifier les dépendances cycliques déterministes.
- Méthode : Utilisation du Critère d'Indépendance Hilbert-Schmidt (HSIC) avec des noyaux RBF pour tester l'indépendance entre la composante saisonnière $S_i(t)$ et l'index temporel $t$ . Une dépendance significative ajoute une arête saisonnière ( $t \to X_i$ ) au graphe saisonnier ( $G_S$ ).
Analyse Résiduelle (Causalité à Court Terme) :
- Objectif : Identifier les interactions mécaniques intrinsèques.
- Méthode : Après avoir retiré les tendances et la saisonnalité, le résidu $R_i(t)$ approxime un processus stationnaire et faiblement dépendant. Un algorithme de découverte causale basée sur les contraintes (par exemple PCMCI+) est appliqué pour trouver des dépendances à retard ( $X_{t-\tau} \to Y_t$ ) et contemporaines ( $X_t \to Y_t$ ), formant le graphe résiduel ( $G_R$ ).

C. Intégration des Graphes

Le graphe causal final $G_{combined}$ est l'union des trois graphes de composantes : $G_{combined} = G_T \cup G_S \cup G_R$ .
Structure : Le résultat est un graphe multi-relationnel distinguant :
- Arêtes de proxy temporel : Moteurs exogènes ( $t \to X$ ) représentant les tendances et la saisonnalité.
- Arêtes mécanistes : Dépendances variable-à-variable ( $X \to Y$ ) représentant les mécanismes causaux à court terme.

3. Garanties Théoriques et Identifiabilité

Le papier établit des conditions formelles sous lesquelles DCD récupère la structure causale vraie $G^*$ :

Hypothèses :
1. Invariance Causale : Le mécanisme résiduel est invariant dans le temps et satisfait le $\beta$ -mélange (faible dépendance).
2. Séparabilité Spectrale : Les composantes de tendance, saisonnière et résiduelle occupent des bandes de fréquence disjointes.
3. Fuite Bornée : La corrélation (fuite $\epsilon$ ) entre les composantes décomposées est faible.
4. Modularité Causale : Les influences causales inter-échelles sont négligeables.
Théorème d'Identifiabilité : Sous des dynamiques linéaires gaussiennes, la distance de Hamming structurelle (SHD) attendue entre le graphe estimé et la vérité terrain est bornée par :
$E[SHD(\hat{G}, G^*)] \leq C_1 \cdot \epsilon + C_2 \cdot \alpha_n$
Où $\epsilon$ est le paramètre de fuite et $\alpha_n$ est l'erreur de type I du test causal en aval. Cela prouve que DCD converge vers la structure vraie à mesure que la décomposition s'améliore ( $\epsilon \to 0$ ) et que la taille de l'échantillon augmente.

4. Contributions Clés

Cadre Novel : Introduction de DCD, le premier cadre à décomposer explicitement les séries temporelles en composantes de tendance, saisonnière et résiduelle pour une inférence causale ciblée à plusieurs échelles temporelles.
Analyse Théorique : Formalisation de la décomposition comme filtrage spectral, fournissant des garanties d'identifiabilité et une borne d'erreur dépendante de la fuite spectrale et de la significativité du test.
Supériorité Empirique : Améliorations de performance démontrées par rapport aux bases de référence de l'état de l'art (PCMCI+, CD-NOD, DYNOTEARS, etc.) sur des données synthétiques et réelles.
Robustesse : Démonstration que le cadre se dégrade gracieusement lorsque la séparabilité spectrale est partiellement violée (par exemple, modulation d'amplitude), plutôt que de tomber en panne de manière catastrophique.

5. Résultats Expérimentaux

Les auteurs ont évalué DCD sur des benchmarks synthétiques et deux jeux de données réels : Glace de Mer Arctique (climat) et ETTh1 (charges de transformateurs électriques).

Benchmarks Synthétiques :
- Métriques : DCD a atteint le meilleur équilibre entre Taux de Vrais Positifs (TPR ~0,79), Taux de Faux Découvertes (FDR ~0,38) et Distance de Hamming Structurelle (SHD).
- Comparaison : Les bases de référence comme PCMCI+ ont souffert d'un FDR élevé dû à l'autocorrélation ; DYNOTEARS a montré un SHD élevé et un surapprentissage ; CD-NOD n'avait un SHD faible qu'en éliminant toutes les arêtes à retard.
- Évolutivité : DCD a maintenu sa stabilité face à des tailles d'échantillon, des ordres de retard et des dimensions variables ( $d=4$ à $10$), tandis que les bases de référence montraient un effondrement des performances ou une croissance instable du FDR.
Études de Cas Réels :
- Glace de Mer Arctique : DCD a récupéré des dépendances multi-échelles physiquement cohérentes (par exemple, rétroaction SST $\to$ Glace de Mer, cycles de rayonnement saisonniers) qui étaient obscurcies ou mal orientées dans les bases de référence sur données brutes.
- ETTh1 : DCD a identifié des interactions autorégressives et croisées entre charges, rares et interprétables, évitant les graphes denses et spuriaires produits par d'autres méthodes.
Études d'Ablation :
- Prétraitement vs Intégration : L'application du prétraitement STL seul aux bases de référence les a améliorées, mais pas au niveau de DCD complet. Cela confirme que l'intégration de graphes multi-échelles est une source distincte de gain de performance.
- Sensibilité : Les performances ont diminué de manière linéaire (gracieuse) à mesure que la fuite spectrale augmentait, validant les bornes théoriques.

6. Signification et Impact

Combler le Fossé : DCD comble le fossé entre la décomposition des séries temporelles (traditionnellement utilisée pour les prévisions) et la découverte causale.
Gestion de la Non-Stationnarité : Il offre une solution robuste pour les données non stationnaires en traitant les tendances et la saisonnalité comme des moteurs exogènes plutôt que de les forcer dans le graphe causal comme des liens directs variable-à-variable.
Interprétabilité : En séparant les arêtes de proxy temporel (moteurs exogènes) des arêtes mécanistes (dépendances intrinsèques), les graphes résultants sont plus interprétables pour les experts du domaine (par exemple, climatologues ou économistes).
Voies Futures : Les auteurs suggèrent d'assouplir l'hypothèse de séparabilité spectrale pour gérer le couplage inter-fréquentiel (par exemple, les tendances modulant l'amplitude saisonnière) et d'intégrer DCD avec des méthodes de découverte causale variant dans le temps.

En résumé, DCD fournit une approche mathématiquement fondée et empiriquement validée pour révéler les structures causales dans des séries temporelles complexes et non stationnaires en modélisant explicitement les échelles temporelles distinctes des tendances, de la saisonnalité et des résidus.