[發明專利]基于自監督表征網絡的異常時序序列檢測方法及存儲介質

在審

• 申請號: 202211066771.1
• 申請日: 2022-09-01
• 公開（公告）號: CN115439956A
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 許鎮義;王仁軍;康宇;曹洋
• 申請（專利權）人: 合肥綜合性國家科學中心人工智能研究院（安徽省人工智能實驗室）
• 主分類號: G07C5/08
• 分類號: G07C5/08;G06N3/04;G06N3/08;G06K9/62;G01D21/02
• 代理公司: 合肥天明專利事務所(普通合伙) 34115
• 代理人: 苗娟

1.一種基于自監督表征網絡的異常時序序列檢測方法，其特征在于，包括以下步驟，

S1：抽取道路移動源OBD數據集，并預處理；

S2：構建時序行駛工況數據集；將污染物NOx濃度和其他特征屬性組成多維度的OBD工況時序數據集，按照時間戳整理出連續時間段的排放序列；

S3：構建高排放濃度序列識別模型，具體為構建一種基于自監督表征網絡的異常時序序列檢測模型。

2.根據權利要求1所述的基于自監督表征網絡的異常時序序列檢測方法，其特征在于：步驟S1中具體包括采集數輛機動車多日連續時間段內的車載診斷系統實時監測數據，其中包含時間戳、后處理下游NOx值、發動機轉速、實際輸出扭矩百分比、油門踏板開度、發動機瞬時噴油量、發動機瞬時燃油消耗率、經緯度這些特征屬性；

上述步驟S1中預處理具體細分為如下步驟：

S11：對于抽取得到的車輛OBD數據集中存在的空值，刪除其所對應的整行數據；

S12：根據車輛實際排放狀況將數個OBD數據集人為劃分為“正常排放”和“高排放”標簽；

S13：對數據集使用歸一化處理，表達為：

其中，x_i表示真實值，表示x_i的歸一化值，x_max和x_min分別為當前屬性中的最大值和最小值。

3.根據權利要求2所述的基于自監督表征網絡的異常時序序列檢測方法，其特征在于：所述上述步驟S2具體細分為如下步驟：

S21：考慮一個經步驟S1處理得到的車輛排放特征數據集其中的x⁽ⁱ⁾∈R^m是一個包含m維特征的向量，該數據集根據時間戳被劃分為時間步長為l的排放序列集合X＝{X₁,X₂,…,X_N}，其中，X_i∈R^l×m表示一個二維矩陣。

4.根據權利要求3所述的基于自監督表征網絡的異常時序序列檢測方法，其特征在于：上述步驟S3具體細分為如下步驟：

S31：編碼；根據車輛排放輸入序列x的維度，經過編碼器映射后得到編碼向量z；

S32：自監督學習模塊；

S33：表征記憶模塊，通過記錄原型模式來增強模型區分正常和異常數據的能力；

S34：解碼；車輛排放輸入序列x經過一系列重構后，需要進行解碼器Decoder進行解碼得到原始維度空間下的輸出序列x′；

S35：模型的訓練和預測；

S36：模型分類性能評估。

5.根據權利要求4所述的基于自監督表征網絡的異常時序序列檢測方法，其特征在于：步驟S311的編碼過程被表示為：

z＝f_e(x；θ_e) (2)

其中，f_e表示編碼器Encoder的映射函數，θ_e表示編碼器內部所有的參數。