基于排异扩散重构模型的多元时间序列异常检测方法

本发明公开了基于排异扩散重构模型的多元时间序列异常检测方法，方法为：步骤1，获取多元时间序列数据集，并按照设定比例分为训练集和测试集；步骤2，利用训练集数据训练用于排异扩散重构的ExDiffuse模型以便获得训练好的模型参数；ExDiffuse模型包括空间依赖提取模块SDEM和扩散模块；空间依赖提取模块SDEM用于提前排除潜在异常并提取多元时间序列的空间依赖性；扩散模块用于在创建的空间依赖潜在空间中高效地进行扩散重构获得重构后的特征，再经过解码恢复为原始的多元时间序列数据；步骤3，将待测的测试数据输入采用训练好的模型参数的异常检测模块获取测试数据的重构误差，并利用重构误差进行异常检测。本发明提供异常检测效率和及时性。