一种基于多维特征融合的广播星历时间序列异常检测方法

本发明公开了一种基于多维特征融合的广播星历时间序列异常检测方法，该方法包括：获取多维度广播星历时间序列数据，再利用孤立森林与相对质量算法对其变量维度进行异常评分，以完成初步筛选，识别出潜在的异常数据点，构建出额外的时间序列特征；随后，基于时间模式的LSTM进一步对这些数据点进行深入分析，通过其强大的上下文建模能力与注意力机制，捕捉数据中的复杂时空特征，从而降低对单一数据点的过度敏感性，完成异常检测模型的构建与训练；基于现有特征与训练好的异常检测模型获取前时刻的预测值，基于预测值判断多维度时间序列数据中是否存在异常数据。本发明解决了处理长周期数据时的局限性，显著提高了检测结果的准确性和稳定性。