基于深度学习的高度不平衡时间序列数据异常值检测方法

本发明公开了基于深度学习的高度不平衡时间序列数据异常值检测方法，包括：S1：基于时间卷积网络自编码TCN‑AE框架的异常值检测模型捕获时间序列数据集的动态特征，并识别潜在的异常值；S2：基于自适应合成采样ADASYN对数据集进行优化，用于平衡异常值数据集；S3：基于长鼻浣熊优化算法COA对ADASYN自适应合成采样后的TCN‑AE异常值检测模型参数进行全局寻优，用于在低异常率时间序列数据集中获得最小的误差；S4：通过五种评价指标对整个检测过程进行评估。本发明通过对异常值识别算法进行优化与改进，可以更精确识别到高度不平衡数据集中的潜在异常值，提升模型的识别能力。