基于改进生成对抗网络的供应链数据异常识别模型研究

来源：计算机应用与软件杂志2025年第7期北京时间：

作者：邹昕彤, 金辉

摘要：针对供应链数据设计一种基于改进 GAN (Generative Adversarial Network) 的异常识别模型。运用联合分布和多配对样本 Friedman 检验对供应链数据进行探索性分析。针对数据特性进行异常检测，为了捕捉数据的时间相关性，利用 LSTM (Long Short-Term Memory) 作为生成器和判别器的基础模型，并在生成器中用 Cycle Consistency 损失防止编码器和解码器矛盾，判别器中用 Wasserstein 损失克服模式崩溃问题，同时引入非参数动态阈值方法进行优化，进而识别异常。运用精确率、召回率、FI 值进行模型评价，并与基线方法进行比较研究。结果表明，该改进模型更贴近供应链数据的实际情况，可增强供应链柔性，具有较高的异常识别性能。

关键词：数据分析, 异常值识别, TadGAN, 非参数动态阈值