首页|基于LSTM-GAN的加油时序数据异常检测

基于LSTM-GAN的加油时序数据异常检测

ANOMALY DETECTION OF REFUELING TIME SERIES DATA BASED ON LSTM-GAN

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.

赵飏、李晓、马博、王保全、周喜

展开 >

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

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

"西部之光"人才培养计划自治区天山青年计划中国科学院创新青年促进会资助项目中国科学院科技服务网络计划(STS计划)项目

2019-XBQNXZ-A-0042018Q032Y9290802KFJ-STS-QYZD-102

2022

10.3969/j.issn.1000-386x.2022.07.003

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(7)
  • 3
  • 4