一种基于可变时间转换器的时间序列数据异常检测方法

本发明属于时间序列数据处理的技术领域，更具体地，涉及一种基于可变时间转换器的时间序列数据异常检测方法。所述方法提出一种异常检测模型VT‑GAN，该模型设计并行生成器组，每个生成器通过膨胀因果卷积提取不同时间尺度的模式特征；在VTT架构中融合时间自注意力、变量自注意力与交叉注意力层，通过可学习门控权重显式建模时空交互关系；结合温度参数调节优化VT‑GAN模型的损失函数并基于构建的VT‑GAN模型进行数据异常检测。本发明解决了传统模型因序列计算特性难以满足毫秒级响应需求，而全局注意力机制在高维时序数据中的计算复杂度限制实时性，以及误报率高、异常检测覆盖率低的问题。