【技术实现步骤摘要】
时序数据的异常检测和参数填补的方法及装置
[0001]本公开总体上涉及人工智能领域，更具体地涉及一种时序数据的异常检测和参数填补的方法及装置。
技术介绍
[0002]现有技术中，MR(Measurement Report，测量报告)数据的TA(Time Advanced，时间提前量)、RSRP(Reference Signal Receiving Power，参考信号接收功率)等参数在网络定位等应用中非常关键。由于MR数据在上报过程中易受设备、环境等因素影响，往往存在许多异常值和缺失值，严重影响依赖MR数据应用的效果。因此，有必要实现精准且鲁棒的MR关键参数的异常检测与缺失填补。
[0003]因为上报MR时用户是按定时连续上报的，所以在处理MR数据的异常值和缺少值时，可以考虑利用用户上报数据的这种时空连续关系来构造时序数据并进行进一步的处理。
[0004]目前，在针对时序数据的异常检测和缺失填补方法中，由于LSTM(Long Short Term Memory，长短期记忆网络)的时序记忆能力和GAN(Gene...
【技术保护点】
【技术特征摘要】
1.一种训练用于时序数据的异常检测和缺失填补的模型的方法，包括：获取用户的时序数据，其中，所述时序数据包括异常的参数和缺失的参数；对时序数据进行预处理，以得到经预处理的时序数据、第一标记矩阵、第二标记矩阵和区域标签，其中，所述第一标记矩阵被配置为标记时序数据中的异常的参数和缺失的参数的位置，所述第二标记矩阵被配置为标记经预处理的时序数据的中的异常的参数和缺失的参数的位置，所述区域标签被配置为标记用户所位于的区域；以及基于经预处理的时序数据、第一标记矩阵、第二标记矩阵和区域标签，对模型进行训练。2.根据权利要求1所述的方法，其中，所述模型为对抗生成插补网络，包括生成器和判别器，所述生成器被配置为输入经预处理的时序数据、第一标记矩阵和区域标签并输出第一数值矩阵，所述第一数值矩阵包括用于填补异常的参数和缺失的参数的正常值，所述判别器被配置为输入时序数据、第二标记矩阵和区域标签并输出概率矩阵，所述概率矩阵包括时序数据中的参数为异常参数的概率。3.根据权利要求2所述的方法，其中，对对抗生成插补网络进行训练包括将利用由所述生成器输出的第一数值矩阵进行填补的时序数据输入到所述判别器。4.根据权利要求2所述的方法，其中，所述判别器输出的概率矩阵考虑区域约束，所述生成器输出的第一数值矩阵考虑区域约束，并且所述生成器还被配置为输出不考虑区域约束的第二数值矩阵，以用于所述生成器的训练。5.根据权利要求1所述的方法，其中，对所述时序数据进行预处理包括：将时序数据按照用户所位于的区域进行分组；对组内的时序数据中的缺失的参数进行预估，并将预估得到的参数填补到对应的缺失的参数的位置；以及识别所述经预处理的时序数据中的异常的参数。6.根据权利要求1所述的方法，其中，在所述第一标记矩阵中，异常的参数和缺失的参数对应的位置被标记为第一值，正常的参数对应的位置被标记为第二值；并且在所述第二标记矩阵中，异常的参数对应的位置被标记为第三值，缺失的参数对应的位置被随机标记为第三值或第四值，正常的参数对应的位置被随机标记为第四值或第五值。7.一种用于时序数据的异常检测和缺失填补的方法，包括：利用根据权利要求1
‑
6中任一项所述的方法来训练模型；利用经训练的模型生成所述待检测时序数据中的参数为异常参数的概率；基于概率和概率阈值判断所述待检测时序数据中的参数是否为异常参数；以及将所述待检测时序数据中被判断为异常的参数和缺失的参数填补为利用经训练的模型生成的正常值。8.一种训练用于时序数据的异常检测和缺失填补的模型的装置，包括：构造模块，被配置为获取用户的时序数据，其中，所述时序数据包括异常的参数和缺失的参数；预处理模块，被配置为对时序数据进行预处理，以得到经预处理的时序数据、第一标记
矩阵、第二标记矩阵和区域标签，其中，所述第一标记矩阵被配置为标记时序数据中的异常的参数和缺失的参数的位置，所述第二标记矩阵被配置为标记经预处理的时序数据的中的异常的参数和缺失的参数的位置，所述区域标签被配置为标记用户所位于的区域；训练模块，被配置为基于经预处理的时序数据、第一标记矩阵、第二标记矩阵和区域标签，对模型进行训练。9.根...
【专利技术属性】
技术研发人员：原思平，郑三强，许盛宏，何忠江，王昆，王兵，武巍，宫云平，余育青，范家杰，姚彦强，许群路，郑博，罗伟华，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。