[發明專利]一種基于圖神經網絡的遙測時序數據異常檢測方法及系統

有效

• 申請號: 202011488702.0
• 申請日: 2020-12-16
• 公開（公告）號: CN112559598B
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 皮德常;謝凌強;喻文
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

1.一種基于圖神經網絡的遙測時序數據異常檢測方法，其特征在于，包括：

對歷史遙測時序數據進行預處理，得到預處理后的歷史數據；

通過所述歷史數據訓練圖神經網絡遙測時序數據預測模型，得到訓練好的預測模型；

利用小波方差計算待測遙測時序數據的周期；所述待測遙測時序數據包括多個時刻的待測遙測數據；

利用所述訓練好的預測模型對所述待測遙測時序數據進行預測，得到預測遙測時序數據；所述預測遙測時序數據包括多個時刻的所述待測遙測數據的預測數據；

根據所述待測遙測時序數據的周期以及多個時刻的所述待測遙測數據的預測數據確定預測周期數據；

計算當前時刻的待測遙測數據和所述當前時刻的待測遙測數據的預測數據之間的馬氏距離，記為第一馬氏距離；

計算之前時刻的待測遙測數據和所述之前時刻的待測遙測數據的預測周期數據之間的馬氏距離，記為第二馬氏距離；所述之前時刻的待測遙測數據包括上一時刻的待測遙測數據；

計算所述第二馬氏距離的平均值和方差；

將所述平均值和所述方差進行放大設置閾值；

根據所述第一馬氏距離和所述閾值判斷所述當前時刻的待測遙測數據是否異常。

2.根據權利要求1所述的基于圖神經網絡的遙測時序數據異常檢測方法，其特征在于，所述對歷史遙測時序數據進行預處理，得到預處理后的歷史數據，具體包括：

對所述歷史遙測時序數據進行清洗、歸一化處理、小波去噪以及灰色關聯度分析，得到預處理后的歷史數據。

3.根據權利要求1所述的基于圖神經網絡的遙測時序數據異常檢測方法，其特征在于，所述圖神經網絡遙測時序數據預測模型包括圖形學習層、圖形卷積層以及時間卷積層。

4.根據權利要求1所述的基于圖神經網絡的遙測時序數據異常檢測方法，其特征在于，所述待測遙測時序數據的小波方差計算公式如下：

其中，Var(a)為待測遙測時序數據的小波方差，W_f(a,b)為小波變換系數，a為伸縮尺度因子，b為平移因子，d為積分。

5.根據權利要求1所述的基于圖神經網絡的遙測時序數據異常檢測方法，其特征在于，所述第一馬氏距離的計算公式如下：

其中，RE_Score(i)為第i個時刻的第一馬氏距離，x(i)為第i個時刻的數據記錄，為經過訓練好的預測模型的第i個時刻的數據記錄，為數據集的協方差矩陣的逆矩陣，X為待測遙測數據集。

6.根據權利要求1所述的基于圖神經網絡的遙測時序數據異常檢測方法，其特征在于，所述閾值的計算公式如下：

threshold(t)＝k₁μ_Y+k₂σ_Y

其中，threshold(t)為t時刻的閾值，μ_Y為平均值，σ_Y為方差，Y為第二馬氏距離構成的數據集，k₁為平均值的放大倍數，k₂為方差的放大倍數。