[发明专利]一种高维度特性下的物联网时间序列异常检测方法及系统

权利要求书

1.一种高维度特性下的物联网时间序列异常检测方法，其特征在于，所述方法包括：

对待测多维时间序列数据进行预处理，得到窗口序列数据；

通过图注意力机制对所述窗口序列数据进行度量依赖特征提取，得到度量依赖特征矩阵；

通过一维卷积层对所述窗口序列数据和所述度量依赖特征矩阵进行特征融合，得到融合后的特征矩阵；

通过训练好的自动编码器模型对所述融合后的特征矩阵进行数据重建，得到重建序列数据；所述自动编码器模型为改进的transformer模型；

基于所述窗口序列数据和所述重建序列数据计算异常得分；

判断所述异常得分是否大于预设异常阈值，若是，则待测多维时间序列数据异常；若否，则待测多维时间序列数据正常。

2.根据权利要求1所述的一种高维度特性下的物联网时间序列异常检测方法，其特征在于，所述通过图注意力机制对所述窗口序列数据进行度量依赖特征提取，得到度量依赖特征矩阵，具体包括：

基于所述窗口序列数据中的各个度量确定面向特征维度的图结构中的各个特征节点；

计算各个所述特征节点之间的相似度；

基于所述相似度计算各个所述特征节点之间的注意力权重；

基于所述注意力权重确定度量依赖特征矩阵。

3.根据权利要求1所述的一种高维度特性下的物联网时间序列异常检测方法，其特征在于，所述通过一维卷积层对所述窗口序列数据和所述度量依赖特征矩阵进行特征融合，得到融合后的特征矩阵，具体包括：

对所述窗口序列数据和所述度量依赖特征矩阵按照时间戳数量和特征数量进行拼接，得到拼接后的特征矩阵；

通过一维卷积层对所述拼接后的特征矩阵进行融合，得到融合后的特征矩阵。

4.根据权利要求1所述的一种高维度特性下的物联网时间序列异常检测方法，其特征在于，所述自动编码器模型包括第一自动编码器和第二自动编码器，所述第一自动编码器包括编码器和第一解码器，所述第二自动编码器包括编码器和第二解码器。

5.根据权利要求4所述的一种高维度特性下的物联网时间序列异常检测方法，其特征在于，所述通过训练好的自动编码器模型对所述融合后的特征矩阵进行数据重建，得到重建序列数据，具体包括：

通过训练好的第一编码器对所述融合后的特征矩阵进行数据重建，得初始重建序列数据；

通过训练好的第二编码器对所述初始重建序列数据进行重建，得到重建序列数据。

6.根据权利要求5所述的一种高维度特性下的物联网时间序列异常检测方法，其特征在于，所述自动编码器模型的训练过程如下：

通过样本多维时间序列数据对所述第一自动编码器和所述第二自动编码器进行训练；

通过所述样本多维时间序列数据以及训练好的第一自动编码器的输出对所述第二自动编码器进行训练。

7.根据权利要求1所述的一种高维度特性下的物联网时间序列异常检测方法，其特征在于，所述异常阈值的确定过程具体包括：

预设异常比率；

将验证多维时间序列数据输入至训练好的自动编码器模型中，得到验证多维时间序列数据的异常得分；

根据所述异常比率和验证多维时间序列数据的异常得分确定异常阈值。