基于自监督对比学习的工业时间序列数据异常检测方法

本发明公开了基于自监督对比学习的工业时间序列数据异常检测方法，将输入的时间序列数据划分为多个时间窗口；对于每个时间窗口，取其自身作为锚点，取与其临近的时间窗口作为正样本，同时对当前时间窗口执行异常注入，得到负样本；将锚点、正样本和负样本输入残差网络，残差网络通过三元组损失函数，得到对应的特征分布；基于特征分布为每个锚点确定最近邻居集合与最远邻居集合，得到锚点邻居集合；设计自监督分类损失函数，将锚点邻居集合输入残差网络，残差网络通过自监督分类损失函数进行训练，优化自身的分类能力；在测试阶段，根据残差网络输出的类别概率，判断当前时间窗口是否异常。