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！

龙图腾网获悉杭州电子科技大学申请的专利一种周期时间序列异常检测方法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：CN115766504B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202211423138.3，技术领域涉及：H04L43/08；该发明授权一种周期时间序列异常检测方法是由刘春山;廖世波;夏永祥;涂海程;赵楼设计研发完成，并于2022-11-15向国家知识产权局提交的专利申请。

本一种周期时间序列异常检测方法在说明书摘要公布了：本发明公开了一种周期时间序列异常检测方法，包括如下步骤：步骤S1：历史时间序列数据预处理；步骤S2：搭建基于GRU和自编码器网络的异常检测模型；步骤S3：以随机洗牌方式训练模型；步骤S4：根据训练数据确定异常检测阈值；步骤S5：执行异常检测。该方法的核心思想是将原始时间序列经过GRU‑AE模型得到重构序列，再计算原始时间序列和重构时间序列之间的重构误差，最后根据重构误差识别序列中的异常点。在本发明中，采用多时间节点输入方式，加快模型的训练速度，也更好地学习时间序列之间的规律，并且提出了一种新的模型训练方式，以减少过拟合现象。

本发明授权一种周期时间序列异常检测方法在权利要求书中公布了：1.一种周期时间序列异常检测方法，其特征在于，包括如下步骤： 步骤S1、历史时间序列数据预处理； S1-1、采用线性插值的方法对历史时间序列进行缺失值填充，其中历史时间序列为t＝{t1,t2,...tn}，其中n为序列长度，ti为序列在i时刻的值，i∈{1,2,3…,n}； S1-2、对进行缺失值填充后的历史时间序列进行MIN-MAX归一化处理，得到t′＝{t1′,t′2,...t′n}； 所述MIN-MAX归一化处理方法为，定义： 其中maxt为时间序列t中最大的值，mint为时间序列t中最小的值，时间序列t经过归一化后的结果为t′＝{t′1,t′2,...t′n}，且所有的值都控制在[0,1] 步骤S2、搭建异常检测模型 整体采用AutoEncoder模型，AutoEncoder的编码器和解码器都采用GRU单元，并在编码器和解码器之间加入了自注意力机制； 步骤S3、训练异常检测模型； 所述训练异常检测模型的方法为：随机洗牌训练方法，具体如下： 对输入的n维序列x＝{x1,x2,...xn}随机打乱重构顺序，最后根据输入序列和重构序列均方误差损失函数更新异常检测模型的参数； 打乱重构顺序时，若未打乱顺序的按照倒序的方式依次将输入重构，优先重构出xn，其次重构出xn-1，最后重构出x1,调整重构后序列的顺序，得到重构序列x′＝{x1′,x′2,...x′n}，计算输入序列x和重构序列x′之间的最小化损失函数floss，更新异常检测模型的参数； 步骤S4、根据训练数据确定异常检测阈值，异常检测阈值的确定方法：统计历史数据的重构误差，绘制CDF图后，根据异常值为小概率事件的原理，结合重构误差的统计分析，选取上阈值和下阈值； 步骤S5、执行异常检测， 所述执行异常检测的方法为： S5-1、通过步骤S1对待检测时间序列进行预处理； S5-2、令预处理后的待检测时间序列为x＝{x1,x2,...xn}，经过异常检测模型重构得到重构序列x′＝{x1′,x′2,...x′n}； S5-3、计算时间序列x和重构序列x′的重构误差Rerror＝{r1,r2,...rn}，其中ri＝xi′-xi为i时刻的重构误差，i∈{1,2，…n}，根据得到的重构误差ri与步骤S4得到的阈值进行比较，对异常值进行筛选， 所述异常值筛选的方法为： 其中，Rup是重构误差的上阈值，Rlow是重构误差的下阈值。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘新区白杨街道2号大街1158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”。

以上内容由龙图腾AI智能生成。