-
公开(公告)号：CN114881115A
公开(公告)日：2022-08-09
申请号：CN202210351790.2
申请日：2022-04-02
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于图神经网络的多变量时间序列异常检测方法和系统，包括：以物理系统中传感器作为概率图模型中节点，以传感器监测的数据作为时间序列，对多维时间序列关系建模，得到动态图神经网络模型；得到各节点下一时间点的预测值，并采用归一化的时间对齐测度生成各节点的邻接矩阵；当时间进行到下一时间点，获取节点的真实值，根据预测值和真实值，构建引入邻接矩阵重构误差的损失函数，以训练更新动态图神经网络模型，同时根据各节点损失函数数值及其邻居节点在分布上的差异性和邻接矩阵值，得到各节点的异常值；当节点预测值与真实值的误差大于异常值，则产生异常报警。本发明提高了系统异常值的稳定性和缓变异常检测的准确性。
Search Results
1
records
(took 0.037 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
