10.3969/j.issn.1000-386x.2022.07.003
基于LSTM-GAN的加油时序数据异常检测
加油站时序数据中蕴藏着大量信息,但加油数据庞大复杂且各变量间蕴含隐性关系,目前的异常检测方法经常产生"假异常"或遗漏真实异常,无法有效挖掘加油数据中的异常点.针对这种现象,提出一种基于无监督学习的异常检测方法.通过PCA对数据进行降维,提取有效的特征信息,采用基于LSTM的GAN模型(LSTM-GAN)对加油时序数据进行检测,通过生成器和鉴别器共同得到的异常损失定义异常点.通过在加油数据集和公开数据集上的实验证明了该方法的有效性,并且相较于目前的异常检测方法具有一定提升.
生成式对抗网络、长短期递归神经网络、无监督学习、时序数据、异常检测
39
TP391.1(计算技术、计算机技术)
中国科学院“西部之光”人才培养引进计划;自治区天山青年计划项目;中国科学院青年创新促进会项目;中国科学院科技服务网络计划项目（STS）
2022-08-19（万方平台首次上网日期，不代表论文的发表时间）
共7页
13-19
