工业系统数据异常检测图神经网络模型、训练方法、设备及存储介质

本发明公开了一种工业系统数据异常检测图神经网络模型、训练方法、设备及存储介质。训练方法，包括如下步骤：数据特征学习与动态重建误差计算步骤；自监督的偏序学习伪标签赋值步骤；R‑E权重最大化动态邻居节点聚合步骤；以及基于图池化思想的过程，子系统聚合步骤。本发明将视角扩大到包含多个节点的工业系统，建立了系统整体的数据异常检测模型，使用基于LSTM的自动编码器学习各种数据类型的时间序列特征，并将系统在每个时间点的数据特征与系统结构融合为图数据。然后利用现有的异常标签通过部分学习对未知标签数据生成伪标签。将节点数据聚合到无法直接获取到的流程和子系统级别，可实现三个级别的数据异常的实时检测。