[發明專利]一種時間序列異常檢測方法在審
| 申請號： | 201910310336.0 | 申請日： | 2019-04-17 |
| 公開（公告）號： | CN110442600A | 公開（公告）日： | 2019-11-12 |
| 發明（設計）人： | 焦學偉;高陽 | 申請（專利權）人： | 江蘇網譜數據服務有限公司;江蘇萬維艾斯網絡智能產業創新中心有限公司 |
| 主分類號： | G06F16/2455 | 分類號： | G06F16/2455 |
| 代理公司： | 南京泰普專利代理事務所(普通合伙) 32360 | 代理人： | 竇賢宇 |
| 地址： | 210000 江蘇省南京市江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 安全區間 建模 時間序列 異常檢測 實時性 數據預處理 注意力機制 工程預測 記憶網絡 離線數據 歷史數據 時序數據 預測模型 中心偏離 閾值設定 測試集 長序列 歸一化 訓練集 異常點 有效地 預測 準確率 變體 算法 聚合 分組 孤立 森林 | ||
1.根據權利要求1所述的一種時間序列異常檢測方法，其特征在于：包含基于Attention-GRU時間序列預測模型，iForest安全區間生成模型。
2.根據權利要求1所述的一種時間序列異常檢測方法，其特征在于：基于Attention-GRU時間序列預測模型還具有注意力機制，再解碼段加入加權變換。
3.根據權利要求1所述的一種時間序列異常檢測方法，其特征在于：iForest安全區間是使用非異常點的中心偏離程度來構造。
4.根據權利要求1所述的一種時間序列異常檢測方法，其特征在于：實現了基于長序列預測解決實時預測的問題，并利用iForest構建安全區間，避免了使用假設檢驗的缺陷，使得準確率和召回率得到有效提高。
5.根據權利要求1所述的一種時間序列異常檢測方法，其特征在于：將訓練集進行構建，構建出Attention-GRU所適用數據，利用滑動窗口法，構造二元組序列，每個二元組的第一個元素為網絡的輸入，第二個元素為網絡的輸出，其中元素為數組，數組大小即為輸入輸出序列長度。
6.根據權利要求1所述的一種時間序列異常檢測方法，其特征在于：將訓練集按時間劃分，將同時刻不同周期的數據進行聚合，例如將每天同時刻數據進行聚合。
7.根據權利要求1所述的一種時間序列異常檢測方法，其特征在于：對于測試數據，將本地預測模型加載后進行預測，預測結果作為預測值，預測結果±偏離量作為上下安全區間，測試數據若超出安全區間則會產生告警。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于江蘇網譜數據服務有限公司;江蘇萬維艾斯網絡智能產業創新中心有限公司，未經江蘇網譜數據服務有限公司;江蘇萬維艾斯網絡智能產業創新中心有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910310336.0/1.html，轉載請聲明來源鉆瓜專利網。
