【技术实现步骤摘要】
本专利技术属于数据处理，具体涉及一种基于相似性自编码器的时序异常检测方法。
技术介绍
1、数据驱动的异常检测技术在以水电站为代表的现代工业系统中具有重要应用价值，其核心目标在于通过工业监测数据分析实现设备异常状态的早期预警，预防重大安全事故和经济损失。工业监测数据通过部署在设备关键部位的多测点传感器网络对振动、压力、温度、油位和流量的关键参数的持续采集，以及分布式监控系统对这些原始信号的时序化处理。工业系统长期处于正常运行状态，监测数据中的异常数据则呈现高度稀疏性。
2、在深度学习方法中，基于自编码器的时序异常检测通过编码器-解码器的自编码架构为输入数据建立由输入空间至表征空间、再由表征空间至输出空间的双重映射，进而实现数据重构预测，并使用重构误差作为异常评分依据。然而此类方法存在固有缺陷：自编码器的训练目标定位于数据重构这一替代任务，而非直接针对异常检测任务本身，模型优化聚焦于数据重构精度而非异常可分性，易引发对数据中非关键特征的过度拟合，导致所得表征的泛化能力受限，测试阶段正常和异常数据的重构误差分布存在显著重叠，严重影...
【技术保护点】
1.一种基于相似性自编码器的时序异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于相似性自编码器的时序异常检测方法，其特征在于，步骤S1中，所述预处理，包括对多测点监测数据进行归一化预处理，并按预设窗口长度执行滑动窗口分割，将分割后的训练样本构建训练数据集。
3.根据权利要求2所述的一种基于相似性自编码器的时序异常检测方法，其特征在于，所述训练数据集还包括挑选部分典型样本组成支撑集，将训练集输入编码器中获取训练数据集固有隐表征，并通过K均值聚类法，聚类簇中心对应的训练样本构建支撑集。
4.根据权利要求1所述的...
【技术特征摘要】
1.一种基于相似性自编码器的时序异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于相似性自编码器的时序异常检测方法，其特征在于，步骤s1中，所述预处理，包括对多测点监测数据进行归一化预处理，并按预设窗口长度执行滑动窗口分割，将分割后的训练样本构建训练数据集。
3.根据权利要求2所述的一种基于相似性自编码器的时序异常检测方法，其特征在于，所述训练数据集还包括挑选部分典型样本组成支撑集，将训练集输入编码器中获取训练数据集固有隐表征，并通过k均值聚类法，聚类簇中心对应的训练样本构建支撑集。
4.根据权利要求1所述的一种基于相似性自编码器的时序异常检测方法，其特征在于，步骤s2中，所述自编码器包括由深度卷积神经网络构成编码器和解码器，包括依次串联的一维卷积层、批量归一化层、非线性激活层、降采样层和上采样层。
5.根据权利要求3所述的一种基于相似性自编码器的时序异常检测方法，其特征在于，步骤s2中，所述编码器，为将数据由输入空间映射至表征空间；所述解码器，由表征空间映射回输出空间。
6.根据权利要求1所述的一种基于相似性自编码器的时序异常检测方法，其特征在于，步骤s3中，所述相似性自编码包括以下子步骤：
7.根据权利...
【专利技术属性】
技术研发人员：杨靖宇，李友平，孔丽君，汤正阳，任文锋，魏辉强，向强铭，詹楚云，周一鸣，黄小楠，柳竺成，朱明仙，刘代强，
申请(专利权)人：中国长江电力股份有限公司，
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。