基于集成LSTM自编码器的多维时间序列异常检测

来源：计算机应用与软件杂志2024年第1期北京时间：

作者：李亚静，霍纬纲，丁磊, ,

摘要：针对长短时记忆网络自编码器（LSTM-AE）在多维时间序列（MTS）上异常检测效率低的问题，提出一种基于集成LSTM-AE（LAE）的MTS异常检测模型。该模型集成多个LSTM-AE分别重构正常MTS各子序列，并将各重构误差作为MTS的局部特征；利用全连接网络自编码器（FCAE）对各重构误差数据进行拟合，学习MTS数据的全局特征；根据FCAE的重构误差进行异常检测。在三个公共MTS数据集上的实验表明，与基准方法相比，在Precision、Recall和F1_score三个评价指标下分别最大提升0.0584、0.1184和0.0786。

关键词：多维时间序列, 异常检测, LSTM-AE, 集成学习