操作変量を説明変数に含む機械学習の予測モデルに対して，モデルの重みや偏微分などの解釈から貢献度の高い操作変量を特定し，実際の操作へ繋げるという実応用がなされている．一方で予測モデルは予測対象の裏にあるデータの因果関係を考慮していないため，予測精度が高い場合でもモデルへの介入効果は実際のシステムと異なる可能性がある．Blobaumらの研究では回帰モデルと因果グラフを組み合わせることで，予測モデルの予測値を目標値に近づける介入値を因果グラフを通じて得るフレームワークが提案している．本研究ではこのフレームワークを用いて，時系列モデルと時系列因果グラフに対する介入効果を得る手法を提案する．時系列データに対して回帰モデルのみと提案手法で得られる介入による回帰モデルの予測値と目標値の誤差を人工データ及びシミュレーションデータに対して比較した．
