摘要：非平稳时间序列数据的因果关系发现具有重要的意义和挑战性。现有的工作主要假设观测数据随时间或域而变化，这需要引入时间或域作为先验知识。上述方法在分段静态非平稳场景中通常不可用。因此，本文提出了一种结合变点检测和结构向量自回归模型的非平稳因果发现方法。它使用变化点检测方法来识别变化的时间点，然后将前一步的时间划分为平稳区间，并进一步使用平稳算法推断其局部因果结构。仿真和实际数据的实验证明了该方法的有效性。

关键词： 因果发现， 非平稳， 因果网络

摘要：非稳态时间序列数据之间的因果关系发现是非常重要但极具挑战的问题。现有的工作主要假设观察数据随着时间或领域发生变化。上述假设使得相关方法需要引入时间或领域作为先验知识，无法应用于分段稳态的非稳态场景。因此，提出了一种基于条件独立性检验的非稳态因果关系发现算法。首先使用变化点检测方法来识别非稳态变化的时间点，然后将上一步的时间点进行区间划分，用基于条件独立性检验的时序因果关系发现算法推断局部稳态因果结构。在仿真和真实世界数据上的实验证明了该方法的有效性。

关键词: 因果关系发现, 非稳态, 因果网络