来源：期刊VIP网 时间：
作者：杨晨龙;孙晔;刘晓悦;
单位：华北理工大学电气工程学院;中国信息通信研究院;
摘要：对多元时间序列进行有效的异常检测可以保证物联网系统的安全，现有方法通常从附近的时间点和邻近节点学习局部时空表示，以重构或预测传感器数据。针对局部表征难以模拟复杂的非线性拓扑关系和动态时间模式导致的误报和异常遗漏等问题，文中提出一种多元时间序列异常检测模型STGIN。首先，将时间卷积网络嵌入多尺度残差卷积网络中，捕捉短期粒度级别的时间特征，并引入门控机制过滤无关信息；然后，构建空间图结构，利用图注意力网络有效地学习复杂的时空依赖关系；最后，联合优化预测和重构模块，结合变分自编码器和Informer进行长时间序列重构，利用提取到的全局和局部时空关联检测正常数据样本中的异常。在MSL、SMAP和SWaT公开数据集上进行实验，所得F_1分数分别为0.962 3、0.942 5和0.870 9，均优于基准模型，验证了所提方法的有效性和可行性。
关键词：多元时间序列;;异常检测;;时间卷积网络;;门控机制;;图注意力网络;;Informer
基金资助：国家自然科学基金项目(42274056);; 河北省自然科学基金项目(SJMYF202401)
