一种基于自监督对比学习的时间序列异常检测方法

本发明涉及一种基于自监督对比学习的时间序列异常检测方法，包括：获取待检测的时间序列数据；将待检测的时间序列数据输入时间序列异常检测模型进行特征提取和异常判断，输出每个时间窗口的异常概率或异常标签，其中，输入时间序列异常检测模型包括基于A‑SCINet的特征提取网络和分类器，通过对比学习自监督学习方法对基于A‑SCINet的特征提取网络进行预训练，通过伪标签对预训练之后的基于A‑SCINet的特征提取网络和分类器进行训练。本发明能够在无需大量标注数据的前提下，有效提升对复杂异常模式的检测精度与鲁棒性，实现对多维度、多类型时间序列数据的高效异常识别。