[發明專利]一種基于數據關聯性的深度異常檢測方法

在審

• 申請號: 202110355665.4
• 申請日: 2021-04-01
• 公開（公告）號: CN112948368A
• 公開（公告）日: 2021-06-11
• 發明（設計）人: 馬朋彬;張鳳斌;梁璐
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06F16/215
• 分類號: G06F16/215
• 代理公司: 北京國坤專利代理事務所(普通合伙) 11491
• 代理人: 馬雯

本發明公開一種基于數據關聯性的深度異常檢測方法，方法包括步驟：S1、確定數據判斷異常的標準，并輸入數據庫，保存；S2、輸入新數據，將數據輸入數據庫并與數據庫中的數據進行比對；S3、判斷數據是否異常，如果數據沒有異常，則返回S2，如果數據有異常，則對異常數據進行修正，修正完成后返回S2；S4、根據異常數據找到數據庫中的修正方法并進行自主修正；本發明的有益效果是：通過提前確定判斷異常數據的標準，可以將新數據與數據庫中的數據進行比對，并提醒相關人員將檢測出的異常數據進行修正，根據異常數據提供修正方法，并將新的修正方法保存，在下次遇到該異常數據時將此修正方法提供給相關人員，便于數據修正。

技術領域

本發明涉及數據異常檢測方法技術領域，尤其涉及一種基于數據關聯性的深度異常檢測方法。

背景技術

隨著企業信息化的全面開展，企業對數據的依賴程度也逐步加大，數據信息日益成為企業重要的戰略資源，數據質量的好壞直接關系到信息的準確程度，也影響了企業的生存和競爭能力。在智能電網推進的大背景下，電網企業基于自身的業務特色不斷建立和改進現有的信息系統，基本覆蓋了財務、營銷、安全生產、協同辦公、人力資源、物資、項目管理、綜合等電力企業的主要業務范圍。同時，在電網公司信息化建設的過程中，電網企業各應用系統所產生的業務數據急劇增加，關系型數據、文本型數據、實時數據等各種類型的電網企業業務數據呈海量增長，大量業務數據產生并積累。在業務數據產生的過程中，由于數據采集技術、統計口徑、人員素質、管理機制等方面的差異和漏洞，導致相當一部分業務數據在準確性方面不滿足業務需求，從而對企業的數據分析、數據處理、投資決策等工作帶來嚴重的負面影響。數據作為信息系統的基礎和核心，起著至關重要的作用，數據質量的高低對整個系統有直接的影響。好的數據質量是數據分析得到有意義結果的基本條件，而質量低劣的數據已經成為影響企業進行正確決策的重要因素。因此，電網企業對高質量數據的需求日益增長。

現有的基于數據關聯性的深度異常檢測方法只能檢測異常數據，并不能實現其他功能，導致異常數據的修正不及時，并且不能對異常的數據提供修正方法，進而減少相關人員的工作量,所以我們提出了一種基于數據關聯性的深度異常檢測方法，用以解決上述所提出的問題。

發明內容

基于背景技術存在的技術問題，本發明提出了一種基于數據關聯性的深度異常檢測方法。

本發明提出的一種基于數據關聯性的深度異常檢測方法，包括以下步驟：

S1、確定數據判斷異常的標準，并輸入數據庫，保存；

S2、輸入新數據，將數據輸入數據庫并與數據庫中的數據進行比對；

S3、判斷數據是否異常，如果數據沒有異常，則返回S2，如果數據有異常，則對異常數據進行修正，修正完成后返回S2；

S4、根據異常數據找到數據庫中的修正方法并進行自主修正；

S5、判斷是否修正異常數據，若已修正，則完成對異常數據的修正，若未修正，則報警并提醒相關人員對異常數據進行修正；

S6、相關人員判斷已有的修正方法是否可行；

S7、若修正方法可行，則修改程序，改進自主修正方法，并完成對異常數據的修正；

S8、若修正方法不可行，則采用新的修正方法對異常數據進行修正，記錄異常數據及修正方法，并保存至數據庫，完成對異常數據的修正。

進一步的，步驟S1中數據判斷異常的標準可以根據實際情況進行制定及修改。

進一步的，步驟S3中提醒相關人員對異常數據進行修正的方法可以是語音、文字、報警等多種方法。

進一步的，數據庫中存有判斷數據異常的標準、檢測過的所有數據、異常數據及修正方法。

進一步的，修正方法記錄后會在后續遇到該異常數據時顯示在步驟S4中。