[发明专利]异常检测方法及装置、设备、计算机可读存储介质

说明书

公开了一种异常检测方法及装置、设备、计算机可读存储介质。本申请一实施例中，异常检测方法包括：获取监控对象的监测时序数据，监测时序数据中包括监控对象的一监测指标在预定时段的监测量；通过变分自编码器中的编码器计算用于描述监测时序数据中潜在波动属性的概率分布，在概率分布中采样以获得隐藏变量；通过变分自编码器中的解码器利用隐藏变量重构出对应监测时序数据的参考时序数据，参考时序数据用于描述监测指标在预定时段的正常波动模式；通过估算监测时序数据与参考时序数据之间的差异来确定监测指标在预定时段的异常情况。本申请实施例能够利用变分自编码器快速、准确地定位一监控指标在某一时段内的异常情况。

技术领域

本申请涉及监控技术领域，尤其涉及一种异常检测方法及装置、设备、计算机可读存储介质。

背景技术

设备安全是一个复杂的系统工程，为保证其安全、良好运转，需要采集设备的重要物理量作为监测指标，来表征设备各个部位的运转状态。对设备的监测指标进行异常检测，可以及时发现设备的具体异常情况，方便决策者解决异常，保证设备的安全运转。由于某些设备的监控指标季节性变化复杂多样，相关技术的异常检测方案难以准确检测出这些设备的监控指标的异常。

发明内容

为了部分地或全部地解决上述技术问题，本申请实施例期望提供一种设备异常检测方法及装置、设备、计算机可读存储介质。

本申请的一个方面，提供了一种异常检测方法，包括：

获取监控对象的监测时序数据，所述监测时序数据中包括所述监控对象的一监测指标在预定时段的监测量；

通过变分自编码器中的编码器计算用于描述所述监测时序数据中潜在波动属性的概率分布，在所述概率分布中采样以获得隐藏变量；

通过所述变分自编码器中的解码器利用所述隐藏变量重构出对应所述监测时序数据的参考时序数据，所述参考时序数据用于描述所述监测指标在所述预定时段的正常波动模式，所述参考时序数据中包含所述监测指标在所述预定时段的参考量；

通过估算所述监测时序数据与所述参考时序数据之间的差异来确定所述监测指标在所述预定时段的异常情况。

一些示例中，所述通过变分自编码器中的编码器计算用于描述所述监测时序数据中潜在波动属性的概率分布，包括：

以所述监测时序数据为自变量，通过所述编码器计算所述隐藏变量的后验概率分布，所述隐藏变量的后验概率分布用于描述所述监测时序数据的潜在波动属性；

所述编码器的编码过程表示为：p(z|x)=f(x)，f(x)表示由所述编码器定义的函数或函数族，p(z|x)表示隐藏变量z的后验概率分布，也即事件x发生时隐藏变量z的发生概率，x={x₁,x₂,…,x_n}，x表示监测时序数据，x₁,x₂,…,x_n分别表示所述监测指标在所述预定时段中每一时刻的监测量，n表示所述监测时序数据的长度。

一些示例中，通过所述变分自编码器中的解码器利用所述隐藏变量重构出对应所述监测时序数据的参考时序数据，包括：

以所述隐藏变量为自变量，通过所述解码器计算得到所述参考时序数据；其中，所述解码器的解码过程表示为x'=g(z)，x'表示所述参考时序数据，x'={x'₁,x'₂,…,x'_n}，x'₁,x'₂,…,x'_n分别表示所述监测指标在所述预定时段中每一时刻的参考量，g(z)表示由所述解码器定义的函数或函数族。

一些示例中，所述变分自编码器中的编码器和解码器均采用神经网络建模并通过最小化样本时序数据及其对应的参考时序数据之间的差异来同时训练的，所述样本时序数据由所述监测指标的历史监测量形成。