申请/专利权人：中国民航大学

申请日：2024-02-18

公开（公告）日：2024-03-19

公开（公告）号：CN117725543A

主分类号：G06F18/2433

分类号：G06F18/2433;G06N3/042;G06N3/0455;G06N3/098

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明涉及计算机技术应用领域，特别是涉及一种多元时间序列异常预测方法、电子设备及存储介质，包括：将当前需要预测的被监测服务器的多元时间序列X输入多元时间序列异常预测模型的数据嵌入模块中，得到对应的数据嵌入结果；将所述数据嵌入结果输入多元时间序列异常预测模型的编码器中，得到对应的编码结果；将所述编码结果输入多元时间序列异常预测模型的解码器中，得到对应的解码结果；至少基于X和解码结果确定所述被监测服务器在预测时间之后的w个时间戳内是否会发生异常以及发生异常的指标。本发明能够对被监测服务器在预测时间之后的w个时间戳内是否会发生异常以及具体发生异常的指标进行准确预测。

主权项：1.一种多元时间序列异常预测方法，其特征在于，所述方法包括如下步骤：S100，将当前需要预测的被监测服务器的多元时间序列X=（Xt-w+1,Xt-w+2,……,Xi,……,Xt）输入多元时间序列异常预测模型的数据嵌入模块中，以对X中的数据进行位置嵌入和空间嵌入，得到对应的数据嵌入结果；其中，Xi为预测时间t之前的第i个时间戳对应的多元时间序列，Xi={xi1，xi2，……，xis，……，xin}，i的取值为t-w+1到t，t为预测时间，w为预测窗口大小；xis为Xi中的第s个监测指标对应的值，s的取值为1到n，n为被监测服务器的监测指标的数量；S200，将所述数据嵌入结果输入多元时间序列异常预测模型的编码器中，得到对应的编码结果；所述编码器包括依次连接且结构相同的第一至第三编码模块，其中，每个编码模块至少包括依次连接的多头注意力机制模块、水平图注意力模块和多尺度前馈网络模块；其中，第一编码模块还与所述数据嵌入模块连接；S300，将所述编码结果输入多元时间序列异常预测模型的解码器中，得到对应的解码结果；所述解码器至少包括依次连接的第一线性层、维度间关系学习模块和第二线性层，所述第一线性层与所述第三编码模块连接；所述解码结果包括第一线性层得到的第一结果、所述维度间关系学习模块得到的维度间关系依赖矩阵以及第二线性层得到的第二结果；S400，至少基于X、维度间关系依赖矩阵和第二结果确定所述被监测服务器在预测时间t之后的w个时间戳内是否会发生异常以及发生异常的指标；其中，所述多元时间序列异常预测模型为基于被监测服务器的样本数据训练得到的模型。

全文数据：

权利要求：

百度查询： 中国民航大学 一种多元时间序列异常预测方法、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD