买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学院计算技术研究所申请的专利一种基于图神经网络的多变量时间序列异常检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114881115B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210351790.2，技术领域涉及：G06F18/2433；该发明授权一种基于图神经网络的多变量时间序列异常检测方法及系统是由刘涛;杨晨旺;马君;韩银和设计研发完成，并于2022-04-02向国家知识产权局提交的专利申请。

本一种基于图神经网络的多变量时间序列异常检测方法及系统在说明书摘要公布了：本发明提出一种基于图神经网络的多变量时间序列异常检测方法和系统，包括：以物理系统中传感器作为概率图模型中节点，以传感器监测的数据作为时间序列，对多维时间序列关系建模，得到动态图神经网络模型；得到各节点下一时间点的预测值，并采用归一化的时间对齐测度生成各节点的邻接矩阵；当时间进行到下一时间点，获取节点的真实值，根据预测值和真实值，构建引入邻接矩阵重构误差的损失函数，以训练更新动态图神经网络模型，同时根据各节点损失函数数值及其邻居节点在分布上的差异性和邻接矩阵值，得到各节点的异常值；当节点预测值与真实值的误差大于异常值，则产生异常报警。本发明提高了系统异常值的稳定性和缓变异常检测的准确性。

本发明授权一种基于图神经网络的多变量时间序列异常检测方法及系统在权利要求书中公布了：1.一种基于图神经网络的多变量时间序列异常检测方法，其特征在于，包括： 步骤1、获取待异常检测物理系统的中各传感器采集的数据，并以传感器作为概率图模型中节点，以传感器监测的数据作为时间序列，对多维时间序列关系建模，得到动态图神经网络模型； 步骤2、采用多头注意力机制对该动态图神经网络模型中节点的特征进行聚合，以得到各节点下一时间点的预测值，并采用归一化的时间对齐测度各节点的邻接矩阵； 步骤3、当时间进行到该下一时间点，获取节点的真实值，根据该预测值和该真实值，构建引入该邻接矩阵重构误差的损失函数，以训练更新该动态图神经网络模型，同时根据各节点损失函数数值及其邻居节点在分布上的差异性和邻接矩阵值，得到各节点的异常值； 步骤4、循环执行步骤1到步骤3；当同一时间点的节点预测值与真实值的误差大于该异常值，则产生对应节点的异常报警； 该步骤3中训练更新该动态图神经网络模型包括： 对于T长的传感器运行状态序列，采用时间序列误差Lrecon和拟合误差Lreg的均方误差作为该损失函数；其中该时间序列误差Lrecon为t时刻数据的预测值与真实值s1:T的平均偏差；该拟合误差Lreg是归一化的邻接矩阵与邻接矩阵模板A的拟合误差； 其中邻接矩阵A用于表示有向图，其中元素Aij表示从节点i到节点j的有向的边，而表示节点i的邻域，该动态图神经网络模型采用余弦测度eji表示边的权重，即节点间的依赖性；邻域大小为K，并选择强度前K个邻居定义邻接矩阵，即： 通过最小化该损失函数，以训练更新该动态图神经网络模型，且在训练过程，将st预测值的经验分布作为其概率表示： 其中，采用时间对齐测度法得到邻接矩阵的近似表示，并基于GATv2的通过以下步骤得到估计值将归一化以得到相似度矩阵e，并根据上式1计算邻接矩阵At，根据GATv2的定义得到的如下表示： 对于各节点新的聚合特征，将其多头输出拼接起来，并通过多个级联的全连接层的输出作为当前真实值的估计值

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院计算技术研究所，其通讯地址为：100080 北京市海淀区中关村科学院南路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。