基于时间序列分析的动环数据异常预测方法及系统

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
基于时间序列分析的动环数据异常预测方法及系统
申请号:CN202411651620
申请日期:2024-11-19
公开号:CN119512047A
公开日期:2025-02-25
类型:发明专利
摘要
本发明公开了一种基于时间序列分析的动环数据异常预测方法及系统,通过从动环监控系统中获取环境参数时间序列,并对获取的环境参数时间序列进行预处理,然后将预处理后的环境参数时间序列进行分解并重构获取周期性特征,利用环境参数时间序列重构后的周期性特征与相应的动环数据建立预测模型。最后根据预测模型进行动环数据预测,每个环境参数序列周期性特征的与动环数据的贡献度,确定影响动环数据异常的环境参数。本发明通过对环境参数时间序列的周期性特征进行分析提取,利用环境参数时间序列的周期性特征进行动环数据预测,能够更全面地理解环境参数与动环数据之间的关系,且提高了预测系统的稳定性和鲁棒性。
技术关键词
周期性特征 序列 长短期记忆网络 建立预测模型 计算机执行指令 预测系统 神经网络模型训练 重构模块 异常数据 可读存储介质 数据获取模块 网络结构 多尺度 精度 鲁棒性 训练集 误差
系统为您推荐了相关专利信息
偏好特征 多模态信息 大语言模型 偏好预测方法 融合特征
气体传感器阵列 信号采集方法 MEMS气体传感器 串扰系数 频域特征
链珠 矩阵 成分分析 密度 辅助检测系统
液体雾化方法 液滴 振荡控制器 多参数 方程
电能 异常检测方法 电表 采集单元 多维特征向量