龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：河海大学
摘要：本发明公开了一种基于时空图神经网络的多时段时间序列的异常检测方法，建立了基于密度分布的异常值调整算法，有效的处理了设备实体数据的关键性信息缺失或异常；构建了基于多时段的双残差时空图注意力网络模型，包括基于残差网络的并行时空特征提取模型和基于双残差网络的长时间序列预测模型，提升了系统异常检测的及时性和准确率，有效辅助用户进行系统维护；提出了多时段预测结果融合算法，设置初始值并自适应地学习分量权重，以实现更准确的预测。本发明有助于满足调度、设备、运维等业务条线的专业需求，对系统的维护和建设具有重要意义。所述方法包括如下步骤：步骤S1：将相互协作的设备实体构建图模型，采集每个设备实体的多变量时间序列并对每个单独的时间序列执行数据标准化和基于密度分布的异常值调整；步骤S2：构建基于多时段的双残差时空图注意力网络模型，输入经过预处理的多变量时间序列数据分别得到基于不同历史周期数据的多分量预测结果；步骤S3：将输入不同周期数据的多分量模型预测结果使用多时段预测结果融合算法得到最终的预测结果。
主权项：1.一种基于时空图神经网络的多时段时间序列的异常检测方法，其特征是，包括如下步骤：步骤S1：将相互协作的设备实体构建图模型，采集每个设备实体的多变量时间序列并对每个单独的时间序列执行数据标准化和基于密度分布的异常值调整；步骤S2：构建基于多时段的双残差时空图注意力网络模型，输入经过预处理的多变量时间序列数据分别得到基于不同历史周期数据的多分量预测结果；步骤S3：将输入不同周期数据的多分量模型预测结果使用多时段预测结果融合算法得到最终的预测结果。
全文数据：
权利要求：
百度查询： 河海大学 一种基于时空图神经网络的多时段时间序列的异常检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号