[发明专利]一种基于深度学习模型LSTM的交易指标异常的监测方法

摘要

本发明公开了一种基于深度学习模型LSTM的交易指标异常的监测方法，方法步骤包括：步骤1、采集交易指标历史数据并进行处理；步骤2、将步骤1处理后的历史数据训练拥有交易指标时间序列预判的LSTM模型；步骤3、通过步骤2的LSTM模型，计算指标正常区间浮动值；步骤4、通过步骤2的LSTM模型预测指标当前值，并根据步骤3的指标正常区间浮动值对指标实际值进行捕获异常。本发明通过深度学习模型LSTM预测时序指标，预测指标当前值更加准确，也使得非规律性时序指标的预判准确率大大提升，后续异常捕获也更加准确；结合LSTM模型预测的输出结果，通过残差拟合公式和逻辑回归模型算法计算正常区间浮动值，使得异常捕获更加精准，也提升了效率。

主权项

1.一种基于深度学习模型LSTM的交易指标异常的监测方法，其特征在于：方法步骤包括：步骤1、采集交易指标历史数据并进行处理；步骤2、将步骤1处理后的历史数据训练拥有交易指标时间序列预判的LSTM模型；步骤3、通过步骤2的LSTM模型，计算指标正常区间浮动值；步骤4、通过步骤2的LSTM模型预测指标当前值，并根据步骤3的指标正常区间浮动值对指标实际值进行捕获异常。