[发明专利]一种基于图神经网络的遥测时序数据异常检测方法及系统

权利要求书

1.一种基于图神经网络的遥测时序数据异常检测方法，其特征在于，包括：

对历史遥测时序数据进行预处理，得到预处理后的历史数据；

通过所述历史数据训练图神经网络遥测时序数据预测模型，得到训练好的预测模型；

利用小波方差计算待测遥测时序数据的周期；所述待测遥测时序数据包括多个时刻的待测遥测数据；

利用所述训练好的预测模型对所述待测遥测时序数据进行预测，得到预测遥测时序数据；所述预测遥测时序数据包括多个时刻的所述待测遥测数据的预测数据；

根据所述待测遥测时序数据的周期以及多个时刻的所述待测遥测数据的预测数据确定预测周期数据；

计算当前时刻的待测遥测数据和所述当前时刻的待测遥测数据的预测数据之间的马氏距离，记为第一马氏距离；

计算之前时刻的待测遥测数据和所述之前时刻的待测遥测数据的预测周期数据之间的马氏距离，记为第二马氏距离；所述之前时刻的待测遥测数据包括上一时刻的待测遥测数据；

计算所述第二马氏距离的平均值和方差；

将所述平均值和所述方差进行放大设置阈值；

根据所述第一马氏距离和所述阈值判断所述当前时刻的待测遥测数据是否异常。

2.根据权利要求1所述的基于图神经网络的遥测时序数据异常检测方法，其特征在于，所述对历史遥测时序数据进行预处理，得到预处理后的历史数据，具体包括：

对所述历史遥测时序数据进行清洗、归一化处理、小波去噪以及灰色关联度分析，得到预处理后的历史数据。

3.根据权利要求1所述的基于图神经网络的遥测时序数据异常检测方法，其特征在于，所述图神经网络遥测时序数据预测模型包括图形学习层、图形卷积层以及时间卷积层。

4.根据权利要求1所述的基于图神经网络的遥测时序数据异常检测方法，其特征在于，所述待测遥测时序数据的小波方差计算公式如下：

其中，Var(a)为待测遥测时序数据的小波方差，W_f(a,b)为小波变换系数，a为伸缩尺度因子，b为平移因子，d为积分。

5.根据权利要求1所述的基于图神经网络的遥测时序数据异常检测方法，其特征在于，所述第一马氏距离的计算公式如下：

其中，RE_Score(i)为第i个时刻的第一马氏距离，x(i)为第i个时刻的数据记录，为经过训练好的预测模型的第i个时刻的数据记录，为数据集的协方差矩阵的逆矩阵，X为待测遥测数据集。

6.根据权利要求1所述的基于图神经网络的遥测时序数据异常检测方法，其特征在于，所述阈值的计算公式如下：

threshold(t)＝k₁μ_Y+k₂σ_Y

其中，threshold(t)为t时刻的阈值，μ_Y为平均值，σ_Y为方差，Y为第二马氏距离构成的数据集，k₁为平均值的放大倍数，k₂为方差的放大倍数。