← 返回列表
面向卫星遥测多维时序数据的异常诊断方法、系统及设备
申请人信息
- 申请人:南京航空航天大学
- 申请人地址:211100 江苏省南京市江宁区将军路29号
- 发明人: 南京航空航天大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 面向卫星遥测多维时序数据的异常诊断方法、系统及设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410100736.X |
| 申请日 | 2024/1/25 |
| 公告号 | CN117688496A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06F18/2433 |
| 权利人 | 南京航空航天大学 |
| 发明人 | 皮德常; 梁硕 |
| 地址 | 江苏省南京市秦淮区御道街29号 |
摘要文本
本发明提供了面向卫星遥测多维时序数据的异常诊断方法、系统及设备，涉及卫星遥测多维时序数据异常诊断领域，该方法包括：将待检测的卫星遥测多维时序数据输入至异常检测和诊断模型中，输出各个时刻的预测误差；异常检测和诊断模型是基于改进的传递熵方法、因果‑自动学习的图神经网络构图方法以及图注意力网络构建的；当预测误差超出误差范围时，确定待检测的卫星遥测多维时序数据存在异常，并根据预测误差确定异常变量；根据改进的传递熵方法构建异常变量的因果关系；根据因果关系确定异常变量因果图；根据异常变量因果图确定异常的卫星遥测多维时序数据的异常原因。本发明能够准确诊断出卫星遥测多维时序数据的异常原因。
专利主权项内容
1.一种面向卫星遥测多维时序数据的异常诊断方法，其特征在于，包括：将待检测的卫星遥测多维时序数据输入至异常检测和诊断模型中，输出各个时刻的预测误差；所述异常检测和诊断模型是基于改进的传递熵方法、因果-自动学习的图神经网络构图方法以及图注意力网络构建的；当所述预测误差超出误差范围时，确定所述待检测的卫星遥测多维时序数据存在异常，并根据所述预测误差确定异常变量；根据改进的传递熵方法构建所述异常变量的因果关系；根据所述因果关系确定异常变量因果图；根据所述异常变量因果图确定异常的卫星遥测多维时序数据的异常原因。