基于时空变分自编码器的工业物联网异常检测方法

本发明涉及一种基于时空变分自编码器的工业物联网异常检测方法，属于计算机技术领域。其包括：从工业物联网的网络中提取关键性能指标时间序列数据；通过基于Fast‑DTW的多头图注意力网络相关性提取模型捕捉时间序列数据中的空间信息；采用基于监督对比学习的TCN‑VAE异常检测模型学习数据正常特征，并利用时空信息提升异常检测模型对数据特征的学习能力；构建监督对比损失，再结合重构损失、KL散度定义总损失函数，并基于总损失函数对TCN‑VAE异常检测模型进行训练；通过模糊熵加权求和计算异常得分，并根据异常得分判断网络状态以完成检测。本发明考虑网络数据中的特征相关性信息和时间信息，提升了检测准确性和稳定性。