典型文献
基于Seq2Seq深度自编码器的时间序列异常检测方法研究
文献摘要：
传统的时间序列异常检测方法大多以数据点作为检测单位,通过训练模型预测下一时刻数据,这类方法的缺点是没有考虑时间序列数据的特性,即序列模式的多样性.因此文中提出一种基于Seq2Seq深度自编码器的时间序列异常检测方法,以更好地挖掘时间序列数据中的异常序列模式.此方法使用Bi-LSTM网络作为深度自编码器,其输入输出均为序列,使用深度自编码器对时间序列进行编码压缩和解码重建.通过计算重建序列与原始序列之间的重建误差,并设置重建异常比率以获取误差阈值,将重建误差大于此阈值的时间序列视为异常序列.异常时间序列的发现取决于模型对原始序列的重建效果,通过在空气质量时间序列数据上的实验,模型初步达到了不错的检测效果,证明了所提方法的可行性.文中方法为时间序列异常检测提供了新的途径.
文献关键词：
时间序列;异常检测;深度自编码器;数据挖掘;编码压缩;序列重建
中图分类号：
作者姓名：
爨莹;吴越
作者机构：
西安石油大学 计算机学院,陕西 西安 710065
文献出处：
引用格式：
[1]爨莹;吴越-.基于Seq2Seq深度自编码器的时间序列异常检测方法研究)[J].现代电子技术,2022(02):26-30
A类：
B类：
Seq2Seq,深度自编码器,异常检测方法,据点,训练模型,时间序列数据,序列模式,此文,Bi,输入输出,使用深度,编码压缩,解码,重建误差,常时,空气质量,不错,检测效果,中方,序列重建
AB值：
0.202506
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
