[發明專利]一種基于遷移學習的用氣行為異常檢測方法及系統

在審

• 申請號: 202210434296.2
• 申請日: 2022-04-24
• 公開（公告）號: CN115017970A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 邊根慶;劉可立
• 申請（專利權）人: 西安建筑科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 房鑫

1.一種基于遷移學習的用氣行為異常檢測方法，其特征在于，包括如下步驟：

構建CNN-LSTM-Attention模型；

采集源域數據，將源域數據分為源域訓練數據和源域測試數據；

基于源域訓練數據對CNN-LSTM-Attention模型進行預訓練；

基于源域測試數據對預訓練好的CNN-LSTM-Attention模型進行測試，測試達標后選取迭代次數較少的模型作為異常檢測模型；

采集目標域數據，將目標域數據分為目標域訓練數據和目標域測試數據；

基于目標域訓練數據對異常檢測模型進行微調；

基于目標域測試數據和DTW算法對微調后的異常檢測模型進行測試，獲取并輸出檢測結果。

2.根據權利要求1所述的一種基于遷移學習的用氣行為異常檢測方法，其特征在于，所述源域數據的采集范圍包括Electricity Load Diagrams數據集，交通流量數據集以及某一區域內的用戶用電數據集。

3.根據權利要求1所述的一種基于遷移學習的用氣行為異常檢測方法，其特征在于，所述基于目標域測試數據和DTW算法對微調后的異常檢測模型進行測試，具體為：

測試后獲取檢測結果，并判斷獲取的檢測結果是否在正常區間內，

若檢測結果在正常區間內，則表明目標域測試數據為正常數據點，無行為異常；

若檢測結果在在正常區間內，則表明目標域測試數據為異常數據點，存在行為異常。

4.根據權利要求1所述的一種基于遷移學習的用氣行為異常檢測方法，其特征在于，所述基于目標域測試數據和DTW算法對微調后的異常檢測模型進行測試，獲取并輸出檢測結果還包括：

對獲取的檢測結果進行激活。

5.根據權利要求4所述的一種基于遷移學習的用氣行為異常檢測方法，其特征在于，所述對獲取的檢測結果進行激活包括：

若檢測目標域測試數據是否存在行為異常時，采用softmax函數對獲取的檢測結果進行激活；

若預測目標域測試數據是否存在行為異常時，采用sigmoid函數對獲取的檢測結果進行激活。

6.根據權利要求1所述的一種基于遷移學習的用氣行為異常檢測方法，其特征在于，所述基于目標域測試數據和DTW算法對微調后的異常檢測模型進行測試，獲取并輸出檢測結果中，

若獲取多個檢測結果，將獲取的多個檢測結果采用投票法選取并輸出最終的異常檢測結果。

7.一種基于遷移學習的用氣行為異常檢測系統，其特征在于，基于權利要求1-6中任一項所述的異常檢測方法，包括：

基本模型構建模塊，用于構建CNN-LSTM-Attention模型；

源域數據采集模塊，用于采集源域數據，將源域數據分為源域訓練數據和源域測試數據；

預訓練模塊，用于基于源域訓練數據對CNN-LSTM-Attention模型進行預訓練；

異常檢測模型構建模塊，用于基于源域測試數據對預訓練好的CNN-LSTM-Attention模型進行測試，測試達標后選取迭代次數較少的模型作為異常檢測模型；

目標域數據采集模塊，用于采集目標域數據，將目標域數據分為目標域訓練數據和目標域測試數據；

微調模塊，用于基于目標域訓練數據對異常檢測模型進行微調；

檢測模塊，用于基于目標域測試數據和DTW算法對微調后的異常檢測模型進行測試，獲取并輸出檢測結果。

8.根據權利要求7所述的一種基于遷移學習的用氣行為異常檢測系統，其特征在于，所述檢測模塊包括異常行為判斷模塊，所述異常行為判斷模塊用于測試后獲取檢測結果，并判斷獲取的檢測結果是否在正常區間內，

若檢測結果在正常區間內，則表明目標域測試數據為正常數據點，無行為異常；

若檢測結果在在正常區間內，則表明目標域測試數據為異常數據點，存在行為異常。