基于大语言模型的设备状态时间序列异常检测方法及系统

本发明涉及一种基于大语言模型的设备状态时间序列异常检测方法及系统，包括：采集设备运行期间的多模态状态时序数据，将原始时间序列数据矩阵分割为固定长度的滑动窗口序列，并为每个模态预定义异常描述文本；通过三重对齐模块分别处理各滑动窗口序列，将三重对齐得到的嵌入向量拼接，得到总嵌入向量；将总嵌入向量输入冻结参数的大语言模型，生成下一窗口的预测嵌入，并通过值解码器映射回时间序列空间，得到具体的数值预测值；计算数值预测值与对应实际值之间的误差，根据误差的大小判断是否存在异常，当存在异常时，按比例因子对预测值进行误差校正。与现有技术相比，本发明具有准确性高、鲁棒性强和轻量化等优点。