基于机器学习的厂务设备运行数据分析与异常检测系统

本发明公开了基于机器学习的厂务设备运行数据分析与异常检测系统，涉及异常检测技术领域，包括第一特征获取模块，获取第一异常检测特征集合；第二特征获取模块，用于第二异常检测特征集合；将第一异常检测特征集合和第二异常检测特征集合进行合并，构建若干组不同的待筛选异常检测特征集合；异常检测评估模块，获取异常检测的模型泛化数据和检测效果数据，并基于bp神经网络构建异常检测评估模型；构建特征集合‑异常检测效果展示模型，并进行曲线分析得到筛选后的异常检测特征集合应用于当前的异常检测，解决不同场景进行异常检测时，往往难以灵活调整特征提取策略，导致在特定需求下无法充分捕捉关键异常模式，影响检测的准确性和适应性问题。