基于LSTM时间序列重建的生产装置异常检测

• 作者: 张广宇 熊智华 窦珊
• 来源期刊: 化工学报
• 关键词: 算法 神经网络 参数估计 LSTM 时间序列 异常检测 极大似然估计
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 过程系统工程
• 页码范围: 481-486
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11949/j.issn.0438?1157.20181050

摘要

工业生产装置通常设置传感器报警阈值进行报警,但是对处于报警阈值以下的时间序列异常难以及时捕捉.基于统计的传统检测方法在解决时间序列异常检测上存在很大挑战,因此提出基于long short term memory (LSTM)时间序列重建的方法进行生产装置的异常检测.该算法首先引入一层LSTM网络对传感器数据的时间序列进行向量表示,采用另一层LSTM网络对时间序列进行逆序重建,然后利用重建值与实际值之间的误差,通过极大似然估计方法对该段序列进行异常概率估计,最终通过学习异常报警阈值实现时间序列异常检测.采用ECG测试数据、能源数据与危险品储罐传感器数据进行了仿真实验,验证了所提方法在不同长度的数据上的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊智华	清华大学自动化系	31	297	9.0	16.0
2	窦珊	清华大学自动化系	2	9	1.0	2.0
3	张广宇		6	14	2.0	3.0