Using causal inference to avoid fallouts in data-driven parametric analysis: a case study in the architecture, engineering, and construction industry
用因果推断避免数据驱动参数分析的偏差：建筑工程行业案例AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接讨论因果分析、碰撞变量及设计方案影响评估中的偏差。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用因果推断避免数据驱动参数分析的偏差：建筑工程行业案例
- 研究问题
- 在评估建筑设计方案对能耗的影响时，预测准确性与领域知识筛选为何仍可能留下偏差，因果分析能提供什么帮助？
- 方法与思路
- 作者以建筑能耗设计案例考察数据驱动方法、经验知识与第一性原理模拟的结合，并分析变量选择中的因果关系。
- 材料陈述的贡献
- 摘要强调准确性评估不足以排除伪关系，特征选择应关注碰撞变量，因果分析也可辅助模拟设计与参数检查。
- 阅读关注点
- 应核对案例中的因果结构、碰撞变量及偏差产生路径，以及模拟证据如何支持设计方案影响和方法适用性的判断。
- 阅读边界
- 所据为 arXiv 预印本摘要，同行评审与期刊接收未核实；摘要未说明具体识别设计，单个案例的推广边界仍待核对。
原文摘要
The decision-making process in real-world implementations has been affected by a growing reliance on data-driven models. We investigated the synergetic pattern between the data-driven methods, empirical domain knowledge, and first-principles simulations. We showed the potential risk of biased results when using data-driven models without causal analysis. Using a case study assessing the implication of several design solutions on the energy consumption of a building, we proved the necessity of causal analysis during the data-driven modeling process. We concluded that: (a) Data-driven models' accuracy assessment or domain knowledge screening may not rule out biased and spurious results; (b) Data-driven models' feature selection should involve careful consideration of causal relationships, especially colliders; (c) Causal analysis results can be used as an aid to first-principles simulation design and parameter checking to avoid cognitive biases. We proved the benefits of causal analysis when applied to data-driven models in building engineering.