摘要
本申请涉及数据分析领域,提供了一种用于农业肥料安全生产的数据异常检测方法,其通过实时获取肥料生产过程中多个时刻的环境数据,且将当前时刻之前的多个环境数据作为历史环境数据将当前时刻的环境数据作为当前时刻环境数据,并采用基于深度学习的数据分析和处理算法来对所述历史环境数据进行特征值时序隐含关联、基于第一特征值的查询匹配分析和解码推理,以此根据第一特征值表示向量的解码推理值和当前时刻环境数据中第一特征值之间的差值与预设阈值之间的比较来自动地确定是否存在数据异常。这样,可以提高农业肥料安全生产数据异常检测的准确性和灵敏度。
技术关键词
特征值
数据异常检测方法
时序
农业肥料
邻域
序列
转换器结构
注意力
解码器
LSTM模型
语义
矩阵
级联
编码向量
样本
平方根
系统为您推荐了相关专利信息
预警模型
粉尘浓度采集
风险评估模型
指标
管理策略
数字孪生模型
粘度控制方法
粘度控制装置
酸奶
强化学习算法
误差修正模型
分布式光伏系统
混合预测模型
预测误差
时序特征
数据采集优化方法
玉米收割机
起伏特征
故障特征
传输路径
通信信号调制识别
多模态特征
特征提取器
投影模块
训练集