基于图神经网络与自编码器的异常检测方法和系统

本申请属于人工智能与工业自动化技术领域，公开了一种基于图神经网络与自编码器的异常检测方法和系统，构建有向图表示传感器网络，设备状态编码后与节点特征融合以反映物理连接，提取特征，加权聚合节点信息，自动学习权重以突出关键设备贡献，采用自编码器重构传感器状态，并进行一致性判断，当误差超阈值或预测偏差大时输出异常预警，利用无监督学习训练模型，基于重构误差和结构不一致性概率检测异常。本申请提升核电厂开关类数据异常检测的准确性与鲁棒性，尤其是在面对多数据间依赖关系复杂、设备多样化的环境下，提供一种无监督的高效检测手段。