[发明专利]一种时间序列异常检测方法在审
| 申请号： | 201910310336.0 | 申请日： | 2019-04-17 |
| 公开（公告）号： | CN110442600A | 公开（公告）日： | 2019-11-12 |
| 发明（设计）人： | 焦学伟;高阳 | 申请（专利权）人： | 江苏网谱数据服务有限公司;江苏万维艾斯网络智能产业创新中心有限公司 |
| 主分类号： | G06F16/2455 | 分类号： | G06F16/2455 |
| 代理公司： | 南京泰普专利代理事务所(普通合伙) 32360 | 代理人： | 窦贤宇 |
| 地址： | 210000 江苏省南京市江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种时间序列异常检测方法。内容如下：基于注意力机制的长短期记忆网络（LSTM）的变体GRU来对时序数据进行建模，可以实现长序列预测以减轻工程预测压力解决实时性问题；采用孤立森林（iForest）对历史数据（不同周期同时刻）进行建模，将iForest非异常点的中心偏离程度作为安全区间的阈值设定标准。算法包括如下步骤：数据预处理，将离线数据集划分为训练集和测试集，并按周期进行分组聚合，归一化；利用Attention‑GRU进行建模，建立预测模型，采用iForest建立安全区间。本发明能够有效地解决实时性预测问题和安全区间的设置的问题，使得准确率和召回率得到有效提高。 | ||
| 搜索关键词： | 安全区间 建模 时间序列 异常检测 实时性 数据预处理 注意力机制 工程预测 记忆网络 离线数据 历史数据 时序数据 预测模型 中心偏离 阈值设定 测试集 长序列 归一化 训练集 异常点 有效地 预测 准确率 变体 算法 聚合 分组 孤立 森林 | ||
【主权项】：
1.根据权利要求1所述的一种时间序列异常检测方法，其特征在于：包含基于Attention‑GRU时间序列预测模型，iForest安全区间生成模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏网谱数据服务有限公司;江苏万维艾斯网络智能产业创新中心有限公司，未经江苏网谱数据服务有限公司;江苏万维艾斯网络智能产业创新中心有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910310336.0/，转载请声明来源钻瓜专利网。
