基于多元时序数据的系统状态感知设计与实现

论文摘要

状态感知是一个重要的研究领域。实时准确地检测出系统与数据中的异常可以为系统的监控、灾难的预防、入侵检测等提供重要帮助。而数据在多数领域中都以时间序列的形式进行传输,因此,能够检测出时间序列数据中的异常非常重要。近年来,随着大数据科学与机器学习技术的发展,数据的维度与量级显著增加,传统的单维度时间序列状态感知无法满足当前数据样本的需求,若直接将其移植到多维度领域,则通常无法同时保持算法的准确性与实时性。因此,亟待专门针对多维度时间序列数据设计状态感知算法。基于此,本文提出了基于长短期记忆网络LSTM（Long Short-Term Memory）与高斯混合模型的实时多维度时间序列数据状态感知算法LGMAD。首先,本文对于LSTM神经网络进行改进,在LSTM神经网络的基础之上提出了单维度时间序列数据状态感知算法LSTM-BP,利用LSTM-BP算法对多维度时间序列数据中每个维度的异常先进行单独检测。通过将序列预测值与真实值之间的差异进行对比分析,实现异常的初次筛选,从而得出每个单独维度上的异常分数列表,完成单维度时间序列状态感知,并以此作为多维度时间序列状态感知的基础。其次,对于由LSTM-BP算法筛选出的可能存在异常的时间点,先对当前系统健康度进行计算,根据当前系统健康状态进行判断,筛选出其中需要进一步进行检测的异常点进入多元高斯模型进行联合判定,以检测其是否存在多维度联合异常,最终得出多维度时间序列状态感知的结果。最后,通过实验对LGMAD算法的性能进行验证。本文通过在两种不同类型的数据集上对LGMAD算法进行实验验证,证明了通过LGMAD算法进行状态感知的性能优异,其准确率、召回率、F1得分等指标数据均明显优于领域内常见的单维度状态感知算法,亦优于领域内领先的多维度状态感知算法。

论文目录

文章来源

类型: 硕士论文

作者: 高焕博

导师: 丁男

关键词: 状态感知,长短期记忆网络,多元高斯分布,多元时间序列数据

来源: 大连理工大学

年度: 2019

分类: 基础科学,信息科技

专业: 数学,自动化技术

单位: 大连理工大学

分类号: O211.61;TP183

DOI: 10.26991/d.cnki.gdllu.2019.000197

总页数: 50

文件大小: 1187K

下载量: 76

相关论文文献

• [1].基于非稳态时间序列的生理控制模型研究[J]. 系统工程理论与实践 2020(02)
• [2].基于多样化top-k shapelets转换的时间序列分类方法[J]. 计算机应用 2017(02)
• [3].时间序列趋势预测[J]. 现代计算机(专业版) 2017(02)
• [4].基于分型转折点的证券时间序列分段表示法[J]. 商 2016(31)
• [5].基于ARMA模型的股价预测及实证研究[J]. 智富时代 2017(02)
• [6].《漫长的告别》(年度资助摄影图书)[J]. 中国摄影 2017(04)
• [7].王嵬作品[J]. 当代油画 2017(07)
• [8].基于模糊时间序列的计算机信息粒构建研究[J]. 粘接 2020(10)
• [9].基于时间序列挖掘的合成旅装备维修保障能力预测[J]. 系统工程与电子技术 2020(04)
• [10].风速时间序列混沌判定方法比较研究[J]. 热能动力工程 2018(07)
• [11].土壤退化时间序列的构建及其在我国土壤退化研究中的意义[J]. 土壤 2015(06)
• [12].基于信息颗粒和模糊聚类的时间序列分割[J]. 模糊系统与数学 2015(01)
• [13].不确定时间序列的降维及相似性匹配[J]. 计算机科学与探索 2015(04)
• [14].时间序列的异常点诊断方法[J]. 中国卫生统计 2011(04)
• [15].基于独立成分分析的时间序列谱聚类方法[J]. 系统工程理论与实践 2011(10)
• [16].面向不确定时间序列的分类方法[J]. 计算机研究与发展 2011(S3)
• [17].一种基于频繁模式的时间序列分类框架[J]. 电子与信息学报 2010(02)
• [18].超启发式组合时间序列预报模型[J]. 福建电脑 2020(08)
• [19].基于深度学习的时间序列算法综述[J]. 信息技术与信息化 2019(01)
• [20].基于时间序列符号化模式表征的有向加权复杂网络[J]. 物理学报 2017(21)
• [21].基于互相关的二阶段时间序列聚类方法[J]. 计算机工程与应用 2016(19)
• [22].基于期货市场行为的时间序列切分及表示方法研究[J]. 中国管理信息化 2015(19)
• [23].基于形态特征的时间序列符号聚合近似方法[J]. 模式识别与人工智能 2011(05)
• [24].基于模糊时间序列对我国对外贸易中的进口水平的预测[J]. 统计与决策 2010(23)
• [25].模糊变量时间序列及其应用[J]. 辽宁工程技术大学学报(自然科学版) 2010(06)
• [26].时间序列流的分层段模型[J]. 小型微型计算机系统 2009(04)
• [27].发动机转速时间序列分形特征分析[J]. 机械科学与技术 2008(11)
• [28].基于HDAD的异构航空数据异常检测的研究[J]. 计算机仿真 2020(03)
• [29].重庆藕塘滑坡地下水位时间序列混沌性判别与预测[J]. 人民长江 2020(S1)
• [30].基于能量过滤的不确定时间序列数据清洗方法[J]. 智能计算机与应用 2019(04)

标签：状态感知论文;  长短期记忆网络论文;  多元高斯分布论文;  多元时间序列数据论文;