一种基于神经网络的时间序列异常检测方法

本发明公开了一种基于神经网络的时间序列异常检测方法，包括：获取待检测的多变量时间序列数据，将多变量时间序列数据输入至时空特征融合单元，由时空特征融合单元内时域卷积网络和图注意力影响网络对多变量时间序列数据进行时域信息和属性信息分析，并通过特征融合获得时空融合特征；采用自适应时间序列分解算法对多变量时间序列数据进行分解获得趋势序列和周期序列；将时空融合特征、趋势序列和周期序列输入时序重构单元获得解码特征；通过异常检测单元对解码特征进行异常检测获得多变量时间序列数据的异常状态；本发明能够扩大潜在异常数据与重构数据之间重构偏差，实现快速准确检测多维时间序列中的潜在异常数据。