[發明專利]數據異常檢測方法、裝置、計算機設備和可讀存儲介質

在審

• 申請號: 202011451616.2
• 申請日: 2020-12-10
• 公開（公告）號: CN112506996A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 欒睿琦;陸馨瑜
• 申請（專利權）人: 樹根互聯技術有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 徐麗

本申請的實施例提供了一種數據異常檢測方法、裝置、計算機設備和可讀存儲介質，涉及工業數據監控技術領域，數據異常檢測方法包括：獲取待測工業數據，其中，所述待測工業數據包括時序特征；根據所述時序特征構建得到所述待測工業數據對應的待測工業數據序列；將所述待測工業數據序列輸入預先訓練的異常檢測模型，得到重構值；根據所述重構值確定出所述待測工業數據中的異常數據段，通過上述步驟，能夠高效地實現對工業數據的異常檢測。

技術領域

本申請涉及工業數據監控技術領域，具體而言，涉及一種數據異常檢測方法、裝置、計算機設備和可讀存儲介質。

背景技術

隨著工業智能化的發展，越來越多的工業設備已經實現了自動化運行。而由于在相關的工業流程中產生的工業數據具有時序性、無標簽等的特點，現有的基于傳統神經網絡的異常數據檢測方案并不能準確地檢測出工業數據中的異常數據。

有鑒于此，如何提供一種能夠準確進行工業數據異常檢測的方案，是本領域技術人員需要解決的。

發明內容

本申請提供了一種數據異常檢測方法、裝置、計算機設備和可讀存儲介質。

本申請的實施例可以這樣實現：

第一方面，本申請提供一種數據異常檢測方法，包括：

獲取待測工業數據，其中，待測工業數據包括時序特征；

根據時序特征構建得到待測工業數據對應的待測工業數據序列；

將待測工業數據序列輸入預先訓練的異常檢測模型，得到重構值；

根據重構值確定出待測工業數據中的異常數據段。

在可選的實施方式中，異常檢測模型是通過以下方式進行訓練的：

獲取樣本工業數據，其中，樣本工業數據包括時序特征；

根據時序特征構建得到樣本工業數據對應的樣本工業數據序列；

將樣本工業數據序列輸入預先構建的異常檢測模型，得到樣本重構值；

根據樣本重構值對異常檢測模型進行訓練，并在樣本重構值達到預設擬合效果的條件下，得到訓練后的異常檢測模型。

在可選的實施方式中，異常檢測模型包括編碼層和解碼層；

將樣本工業數據序列輸入預先構建的異常檢測模型，得到樣本重構值的步驟，包括：

利用預先構建的滑動窗口從樣本工業數據序列中獲取多個樣本工業數據子序列；

將多個樣本工業數據子序列輸入編碼層，得到每個樣本工業數據子序列對應的樣本隱變量；

將所有樣本隱變量輸入解碼層，得到每個樣本工業數據子序列對應的樣本子重構值；

將所有樣本子重構值作為樣本重構值。

在可選的實施方式中，將多個樣本工業數據子序列輸入編碼層，得到每個樣本工業數據子序列對應的樣本隱變量的步驟，包括：

將多個樣本工業數據子序列輸入編碼層，得到每個樣本工業數據子序列對應的樣本隱變量均值和樣本隱變量方差；

將每個樣本隱變量均值和每個樣本隱變量方差進行拼接處理并加入高斯噪聲，得到每個樣本隱變量。

在可選的實施方式中，重構值包括多個子重構值，待測工業數據序列包括多個待測工業數據子序列，多個子重構值和多個待測工業數據子序列基于時序特征一一對應；

根據重構值確定出待測工業數據中的異常數據段的步驟，包括：