摘要
本发明公开一种基于工业过程时空建模的异常流量检测方法和系统,涉及异常流量检测技术领域。本发明能够提取更准确的空间特征和时序特征,构建更符合实际场景的模型,提高异常检测效果。通过GRU和Informer联合时序特征提取方法,提取工业过程数据的短期时序特性和长期时序特性,符合工业过程数据的特点,提高针对工业过程的异常流量检测准确性。提出一种结合预测模型和重构模型的联合优化策略,不仅使模型能够识别时间序列的全局分布特征,还能关注到变量的个体特征,从而增强模型在异常检测任务中的准确性和稳健性。
技术关键词
异常流量检测
皮尔逊相关系数
时序特征
数据
工业
元件
联合损失函数
空间特征提取
重构模块
执行器
机器可读指令
特征提取模块
识别时间序列
节点
多头注意力机制
GRU模型
特征提取方法
系统为您推荐了相关专利信息
项目
风险评估报告
可视化界面
风险评估模型
数据分析技术
法律咨询服务
法律知识图谱
增量更新
管理系统
动态知识图谱
设备故障分析
故障案例库
数字孪生
定位方法
三维模型
建筑物围护结构
建筑围护结构
比例模型
动态
仿真数据