摘要
本申请涉及一种融合时频空特征的不稳定时间序列异常检测方法。本方法包括:对训练集中的时间序列样本进行数据预处理;进行时域特征、频域特征和空域特征提取;通过变换使时频空特征转换到同一维度,进行拼接操作,获得融合特征;基于重构加预测的方式,计算异常分数;基于异常分数构造误差序列,对误差序列进行平滑处理,使用均值和标准差计算动态阈值;进行异常检测时,先对测试数据进行窗口划分,然后输入训练好的模型,计算异常分数,根据动态阈值判断该测试数据是否存在异常。本方法能够更加全面地捕捉和理解数据中的复杂模式和动态变化,有效地检出异常情况,提高异常检测的准确率和可靠性,为保障民航系统的安全运行提供强大的支持。
技术关键词
训练样本数据
频域特征提取
LSTM模型
融合特征
重构
时域特征提取
离散小波变换
数据缺失值
序列
空域特征
长短记忆网络
动态
异常检测装置
民航系统
线性插值法
系统为您推荐了相关专利信息
需求预测方法
LSTM神经网络模型
LSTM模型
SSA算法
出租车数量
神经网络模型
电力负荷预测模型
风速
序列
混沌相空间重构
融合特征
输出特征
跨层特征
多尺度特征融合
特征提取模块
代码生成方法
策略
生成代码
数据
预训练语言模型