一种基于图神经网络的多变量时序异常检测方法及系统

专利主权项内容

（来源 马克数据网） 1.一种基于图神经网络的多变量时序异常检测方法，其特征在于，包括：获取待检测的时序输入数据，将时序输入数据输入至预设的时序异常检测模型获得检测输出序列，基于检测输出序列和时序输入数据计算时序异常分数，通过比较时序异常分数与预设的时序异常判断阈值输出判断结果；所述时序异常检测模型的构建过程包括：获取样本集合后利用样本集合对时序异常检测模型进行训练，所述时序异常检测模型包括时序重构模块、编码器、解码器；基于样本集合中单位样本构建图结构G(V, E)；将单位样本输入至时域扩张卷积获得时间序列；将时间序列/>和图结构G(V, E)同时输入至图注意力影响网络，获得融合时间序列/>；将融合时间序列输入至编码器输出中间特征/>；将融合时间序列/>和中间特征输入至解码器获取训练输出序列，基于训练输出序列计算训练损失值，根据训练损失值对时序异常检测模型的参数进行优化；重复迭代时序异常检测模型的训练过程直至损失值收敛，设定时序异常判断阈值并输出训练后的时序异常检测模型。