摘要
本发明公开了一种营销数据链路异常诊断方法、系统、设备及存储介质。涉及电力系统数据治理技术领域;目前异常诊断存在多源数据格式差异、缺乏实时异常检测机制、数据治理效率低的问题。本发明包括对营销数据链路的多源异构数据进行实时采集,完成数据的清洗、缺失值填补和异常值处理;提取链路数据的统计特征,对数据进行聚类分析,生成自监督标签;构建支持向量机分类模型,检测链路中的正常和异常数据;通过深度神经网络对异常检测模型进行优化;利用LSTM模型生成的多分类结果和自监督学习策略,实现异常诊断的可解释性分析及决策支持。本发明高效、智能实现数据链路异常诊断,提升数据质量管理、异常检测精度和业务决策支持能力。
技术关键词
支持向量机算法
LSTM神经网络
LSTM模型
诊断方法
异常事件
滑动窗口方法
离群点
检测模型训练
统计特征
决策
异常诊断系统
监督学习策略
数据分类
链路
无标签样本
神经网络算法
系统为您推荐了相关专利信息
检验系统
实时数据
随机森林模型
数据分析单元
冗余
故障诊断方法
故障诊断模型
位置编码信息
预测类别
基础分类器
混合微电网
数字孪生模型
功率因数
负荷控制方法
仿真模型