基于深度学习的高维时序数据异常检测方法及系统

本发明属于数据管理与分析技术领域，具体公开了一种基于深度学习的高维时序数据异常检测方法及系统。本发明方法提供了针对大规模、高维度时序数据的完整异常检测功能，能够及时发现时序数据中的各类异常情况，包括缺失、无效、无序、不刷新(重复)、准确性低异常，得到相应的异常检测结果。本发明所提基于Transformer的时序数据异常检测重构模型，能够借助维度独立划分、段划分、多头自注意力机制、重构层等组件实现精度、大规模数据处理能力和适应能力的平衡，预处理、异常分数计算和准确性低异常判断等过程也均具有可扩展性。本发明方法的数据处理对象为真实高维时序数据，因而具有实际应用场景。