基于加权残差深度森林模型的用户电费异常识别方法

本发明公开了一种基于加权残差深度森林模型的用户电费异常识别方法，包括步骤1，构建包含时间序列特征、用户属性特征、环境关联特征的三维数据集；步骤2，采用聚类算法将用户划分为若干个具有相似用电模式的特征群组；步骤3，通过加权残差深度森林模型训练生成该特征群组的特征重要性矩阵，并基于所述矩阵通过注意力机制动态生成特征权重向量；步骤4，对于新的用户数据，判断用户电费是否异常。本发明实现多维度数据融合与用电模式的智能适配，显著提升异常检测的准确率与时效性，有效解决传统方法的误判率高、适应性差等问题，适用于多类型用户的电费异常检测场景。