Подробности

Категория: Февраль 2025

Метод обнаружения аномалий в метеорологических данных на основе нейронных сетей

Ч. Чжу, И. Гуан, Л. Конг,
Ю. Нань, П. Лу, Ш. Ли, Ю. Чжао

Целью обнаружения аномалий во временных рядах является выявление специфических закономерностей, которые не соответствуют общим правилам, и аномальных состояний в определенные моменты времени. Метеорологические данные — это тип многомерных временных рядов. Для решения проблем низкой эффективности обнаружения аномалий, вызванной сложной временной корреляцией и высокой размерностью многомерных временных рядов, предложена модель обнаружения аномалий в многомерных временных рядах, основанная на сетях U-MambaFormer и TCN (MTAD_ UMFT). Корреляция временных рядов данных и зависимость между многомерными характеристиками определяются с помощью метода многовидового встраивания. Технология разложения сигналов используется для определения различных закономерностей во временных рядах, уменьшения влияния сезонных и периодических характеристик на результаты обнаружения и для повышения точности и надежности модели. Разложенные данные вводятся в модули TCN и U-MambaFormer. Первый используется для исследования структуры временных рядов данных, а второй — для исследования локальных и глобальных характеристик данных. Совокупная ошибка этих двух составляющих используется в качестве итоговой оценки аномалий. Эффективность модели оценена на массивах данных MSL, SWAT, PSM, SMD и Weather. Полученные результаты показывают, что точность обнаружения аномалий предложенной моделью выше, чем большинством других базовых моделей. Оценка F1 для архива метеорологических данных достигает 98,23%, что свидетельствует об эффективности модели.