基于双重时间卷积网络与生成对抗网络的时序序列异常检测

来源：计量学报杂志2025年第7期北京时间：

作者：王红霞, 牛宇浩

摘要：随着数字制造化产业的发展，数据安全检测、系统监控分析等应用场景中数据量的不断增加，对于数据异常检测的要求日益提高。提出了一种基于双重时间卷积网络与生成对抗网络（GAN）的异常检测（MdtGAN）算法。首先通过生成对抗网络的设计策略构建其基本结构；其次在全局和局部时间卷积网络（GaL-TCN）生成器中通过设计双重时间卷积网络对时间序列进行历史信息处理，其中的注意力机制和单层 Transformer编码器使其能够快速地执行知识推理，实现对于时间序列的分布预测使其能够生成符合真实数据分布的时间序列；最后提出基于极值理论的动态阈值设定方法，减少了需要手动调节的参数量以及对于先验知识的需要。实验结果表明，在4个公开数据集上MdtGAN与近几年优秀的基准方法相比，将F 1分数平均提高了1.27％，训练时间减少了70.69%，为无监督异常检测提供了一种新的解决方案。

关键词：数据处理,生成对抗网络,时间序列,异常检测,双重时间卷积网络,注意力机制,动态阈值

基金资助：辽宁省自然科学基金指导计划项目(2022-MS-276)