基于AE-STCN的多元时序异常检测

来源：计算机技术与发展杂志2025年第07期北京时间：

作者：洪培林;曾碧卿;刘馨瑶

单位：1. 华南师范大学 人工智能学院,广东 佛山 528225;2. 华南师范大学 阿伯丁数据科学与人工智能学院,广东 佛山 528225

摘要：随着工业领域中传感器技术的发展,数据量和复杂性迅速增加,传统的异常检测方法在面对噪声干扰和复杂数据模式时,显得力不从心。 该文提出一种多元时序异常检测模型 AE-STCN,结合了自动编码器(AE)和对称时域卷积网络(STCN)的优势,联合使用预测与重构的方法进行优化,以更准确地捕捉异常模式。 其中自动编码器通过学习数据的内在结构进行时间序列重构,改进的对称时域卷积网络对输入序列进行镜像翻转预测未来时刻的值,进一步捕捉时间序列中的时序依赖性。考虑到训练数据中的噪声污染问题,该文还提出了一种基于 Transformer 的滤波器模块,有效减弱了噪声对模型训练的负面影响,增强了对正常模式的学习能力。为验证模型的性能,在 3 个公开数据集对 AE-STCN 进行了实验,并在 AUC、 F1 和 Fc1 指标的综合评估下实现了最佳性能。 结果表明 AE-STCN 优于所有基线模型,充分证明了 AE-STCN 在处理多元时间序列数据时的有效性和优越性,为多元时序异常检测提供了一种新的、可靠的解决方案。

关键词：多元时间序列;异常检测;滤波器;自编码器;时域卷积;联合优化