基于GAT-AGRU的多元时序数据异常检测

来源：电子测量技术杂志2024年第17期北京时间：

作者：杨晨龙，孙晔，刘晓悦

单位：1.华北理工大学电气工程学院 唐山 063210; 2.中国信息通信研究院 北京 100191

摘要：在复杂工业系统因传感器数量急剧增加，产生了高维噪声和随机干扰，严重影响多元时间序列的数据连续性和控制精度。然而现有对多元时间序列存在随时间变化的时序不一致性、空间矢量的偏差性以及时空图模型的冗余度等问题。本文提出了一种新的多元时间序列异常检测方法STGAD。首先，从高分辨率的粒度级别上，引入门控机制改进多尺度卷积网络，控制特征间的信息交互过程。然后，设计了两种图结构，剔除了冗余的时空依赖关系，利用GAT有效地学习时空相关性。此外，提出了一种基于注意力机制的GRU模块，来捕获变量在不同时间窗口上的重要性。最后，联合优化预测和重构的模块。在三个公开数据集上进行广泛的实验，结果表明所提出模型的平均F1分数高于0.94，在高维数据集上明显优于其他基准模型。

关键词：多元时间序列;异常检测;图注意力网络;门控机制;注意力机制

基金资助：国家自然科学基金（42274056）、河北省自然科学基金（SJMYF202401）项目资助