摘要
本发明公开了一种基于时间序列分析的动环数据异常预测方法及系统,通过从动环监控系统中获取环境参数时间序列,并对获取的环境参数时间序列进行预处理,然后将预处理后的环境参数时间序列进行分解并重构获取周期性特征,利用环境参数时间序列重构后的周期性特征与相应的动环数据建立预测模型。最后根据预测模型进行动环数据预测,每个环境参数序列周期性特征的与动环数据的贡献度,确定影响动环数据异常的环境参数。本发明通过对环境参数时间序列的周期性特征进行分析提取,利用环境参数时间序列的周期性特征进行动环数据预测,能够更全面地理解环境参数与动环数据之间的关系,且提高了预测系统的稳定性和鲁棒性。
技术关键词
周期性特征
序列
长短期记忆网络
建立预测模型
计算机执行指令
预测系统
神经网络模型训练
重构模块
异常数据
可读存储介质
数据获取模块
网络结构
多尺度
精度
鲁棒性
训练集
误差
系统为您推荐了相关专利信息
数据中心
计算机执行指令
更新方法
对象
可读存储介质
关键词
合同文本数据
智能生成方法
习惯
文本生成模型
语义向量
文本
语义分析模型
层次化结构
主题特征