摘要
本发明公开了一种基于时空知识的多元时间序列异常检测方法及系统,本发明方法包括将指定的传感器数据或指标数据构成的多元时间序列数据;进行周期性的时序分解和因果发现以构建时空知识图,时空知识图中节点表示每个变量在特定时间的状态,有向边表示变量之间的因果关系,有向边的权重反映因果影响强度;将多元时间序列数据进行数据预处理与特征提取以获取序列特征;将时空因果知识图和序列特征利用时空同步注意力网络提取时空同步注意力特征;基于时空同步注意力特征进行异常检测以确定设备或网络是否存在异常。本发明旨在为多元时间序列异常检测同时建模复杂的短期与长期时空依赖并融合先验的因果关系知识以提高异常检测的准确性并减少误报。
技术关键词
多元时间序列数据
时间序列异常检测方法
注意力
序列特征
变量
补丁
门控循环单元
一维卷积神经网络
矩阵
编码器
周期性
模块
异常检测系统
输出特征
时序
效应
归一化方法
系统为您推荐了相关专利信息
哈希学习方法
迭代优化算法
标签
样本
拉格朗日乘子法
位置伺服系统
在线辨识系统
状态观测器
初始化系统
参数估计误差
大语言模型
提炼系统
移动端
识别模块
多尺度特征提取
智能电动牙刷
荧光激发装置
图像获取装置
牙菌斑检测
传感装置