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：南京邮电大学

申请日：2024-12-26

公开（公告）日：2025-01-24

公开（公告）号：CN119363624A

专利技术分类：.基于特定指标的监测或测试，例如QoS、能耗或环境参数[2022.01]

专利摘要：本发明公开了一种基于多变量时序数据的工业物联网系统异常检测方法，包括：S1、将原始的多变量时序数据划分为原始训练集和原始测试集；S2、对原始训练集与原始测试集进行归一化处理，再进行时间窗口分割，得到新的训练集和新的测试集；S3、构建GTVformer模型；S4、GTVformer模型分两个阶段对新的训练集中的数据进行训练，以对抗的方式训练两个Transformer模型来重构正常的输入窗口数据；S5、利用已完成训练的GTVformer模型对新的测试集中的数据进行预测，获得标记结果。本发明通过结合时间‑变量注意力机制和对抗训练方法，显著提升了多变量时序数据异常检测的精度，同时增强了模型的稳健性。

专利权项：1.基于多变量时序数据的工业物联网系统异常检测方法，其特征在于，包括以下步骤：S1、将原始的多变量时序数据划分为原始训练集和原始测试集，所述原始训练集只包含正常的时序数据，所述原始测试集中包含异常的时序数据；S2、对所述原始训练集与所述原始测试集分别进行归一化处理，再分别进行时间窗口分割，得到新的训练集和新的测试集；S3、将时间-变量注意力机制模块与对抗训练机制模块相结合，构建GTVformer模型；S4、所述GTVformer模型分两个阶段对所述新的训练集中的数据进行训练，以对抗的方式训练两个Transformer模型来重构正常的输入窗口数据W，该两个Transformer模型中，Transformer1模型尝试欺骗Transformer2模型，Transformer2模型则学习辨别数据是来自输入窗口数据W的真实输入数据，还是来自Transformer1模型的重构数据；S5、利用已完成训练的所述GTVformer模型对所述新的测试集中的数据进行预测，结合两个Transformer模型的输出结果给出每一个时间点的异常分数score，根据预先定义的异常阈值λ，对样本点进行标记，获得标记结果y；S6、根据标记结果y，判断每一个时间点是否存在异常。

百度查询： 南京邮电大学 基于多变量时序数据的工业物联网系统异常检测方法