检索结果-内蒙古大学图书馆

计算机应用与软件 2022年第7期39卷 13-19页

作者：赵飏李晓马博王保全周喜中国科学院新疆理化技术研究所新疆乌鲁木齐830011 中国科学院大学北京100049 新疆理化技术研究所新疆民族语音语言信息处理实验室新疆乌鲁木齐830011

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... 详细信息

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。

关键词：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

来源：评论

学校读者我要写书评

暂无评论

基于GAN的时序数据异常检测算法研究及应用

基于GAN的时序数据异常检测算法研究及应用

引用

作者：赵飏中国科学院大学

学位级别：硕士

近年来，随着中国经济飞速发展，物联网基础设施建设不断完善，人民生活水平日益提高，物联网设备已经渗入在人们生活中的方方面面，国内物联网设备数量年年攀升，随之而来的全民信息化时代使得物联网成为了人们生活中不可或缺的一部分... 详细信息

近年来，随着中国经济飞速发展，物联网基础设施建设不断完善，人民生活水平日益提高，物联网设备已经渗入在人们生活中的方方面面，国内物联网设备数量年年攀升，随之而来的全民信息化时代使得物联网成为了人们生活中不可或缺的一部分。目前随着物联网的普及，一套中枢平台和多个分布式系统的“1+N”模式也广泛应用在各企业、工厂中，而这种模式下分布式系统产生的大量信息数据可以在一定程度上反映个体行为在日常生产活动中的规律和变化，对其进行有效分析和挖掘对中枢平台系统化管理有着重要意义。　　目前在先进的物联网技术支持下，某平台系统日常工作中的信息采集方式由原来的人工记录全面改变为电子传感设备自动录入，这一改变不仅减少人工劳动成本，也使得数据采集更加便捷高效。但由于电子设备无法避免的识别错误或人为失误操作等因素，会产生部分异常的数据记录。如何准确、有效地在该平台的海量数据中检测出异常记录，成为该平台日常管理运营中不容忽略的问题。　　目前关于异常检测的方法已经日渐成熟，并取得了一定的成果，然而主流方法基本都偏向于对数据中的离群点进行挖掘来检测异常，对于该平台中这类数据之间相关性小，排列稀疏，且个体样本特征较少的无标注数据，现有的异常检测算法存在忽视关键特征，遗漏异常或挖掘“假异常”的缺陷，使其在该平台数据上没有达到预期检测效果，甚至部分异常检测算法完全不适用。现在主要还是依靠通过规则的方法进行筛选后，通过人工比对信息来确定异常记录。　　针对目前异常检测算法在该平台数据上的缺陷，为了更准确、有效的从海量信息记录中检测异常，本文提出了一种基于生成式对抗网络(generative adversarial network,GAN)的无监督异常检测方法，该方法首先将平台数据通过主成分分析法(principal component analysis，PCA)进行降维后输入至GAN模型，然后通过将模型中的生成器和鉴别器构造为长短期递归神经网络(long short term memor，LSTM)用来捕捉该平台数据之间的非线性相关性来建立模型，并结合模型中的生成器和鉴别器共同来进行异常检测。　　本文在平台数据集和UCR时间序列分类预测数据集上进行了实验，验证了算法模型的有效性和适用性，并且相较于目前主流的异常检测算法具有一定提升。因此，提出的模型能够应用于该平台的时序数据异常检测工作中，为平台实际日常工作提供有效的辅助手段，进而减少人工劳动成本，提升中枢平台的管理效率;并且还为类似的时序数据异常检测工作场景提供了一个可以参考的解决方法。此研究成果在理论意义和实际应用价值上都具有一定的贡献。　　本文针对某平台时序数据的特点和目前实际工作中存在的缺陷，提出了一种基于GAN模型的无监督异常检测算法，主要工作如下:　　1.将某平台的原始数据进行数据清洗，提出通过特征工程，将个体特征转换为群体特征来减少原数据中个体样本较少对实验的影响，并通过PCA进行特征提取;2.模型结构采用了广泛应用在图像开发中的GAN框架，提出了一种基于GAN的无监督异常检测方法，用于检测某平台时序数据中的异常;3.将长短期循环神经网络(LSTM)嵌入GAN框架作为生成器和鉴别器，来分析时序数据，捕捉其时间相关性;4.综合鉴别器的判别结果和生成器的数据重构残差来对每一个测试样本进行异常评分。

关键词：时序数据异常检测生成式对抗网络长短期递归神经网络

来源：评论

学校读者我要写书评

暂无评论

基于EMD-KPCA-LSTM的风电场短期功率预测

引用

现代工业经济和信息化 2024年第11期14卷 118-119,122页

作者：王鹤炅刘祉妤陈泠伶杨明远辽宁工程技术大学电气与控制工程学院辽宁葫芦岛125105 华润电力销售有限公司辽宁沈阳110041

为精准预测风电功率,提出一种EMD-KPCA-LSTM模型对短期风电功率进行预测。充分考虑制约风电功率的环境因素,为有效降低风电功率的不稳定性与间歇性,采用EMD对环境因素进行分解提取IMF;通过KPCA对数据维度降维;通过LSTM对多变量时间序列... 详细信息

为精准预测风电功率,提出一种EMD-KPCA-LSTM模型对短期风电功率进行预测。充分考虑制约风电功率的环境因素,为有效降低风电功率的不稳定性与间歇性,采用EMD对环境因素进行分解提取IMF;通过KPCA对数据维度降维;通过LSTM对多变量时间序列和风电功率之间的动态时间建模,实现对风电功率的预测。

关键词：风电功率预测经验模态分解核主成分分析法长短期递归神经网络

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：