时间序列异常检测与缺失值填补方法的研究与应用.pdfVIP

摘要

摘要

时间序列是一种具有时间特性的特殊数据，通常包括自变量的取值、时间间隔和

测量值等，包含了许多有用的信息，如历史趋势、季节变化、随机噪声以及各种波动性，

且具有显著的内在统计特性和空间特征。时间序列异常检测是时间序列研究中的一个

重要研究课题，除了特殊的时间相关性以外，时间序列的数据量越来越大，其蕴含的信

息也越来越复杂，为数据分析人员带来了极大的困难。此外，缺失数据是许多领域中普

遍存在的数据质量问题，经常会造成后续的分析错误和决策不准确。基于以上两点，本

文主要研究内容如下：

1GRU

（）为解决多维时间序列上下文异常检测的问题，出一种基于的时间序

列异常检测方法。为消除时间序列的上下文环境，首先分析时间序列的周期性，按周期

单位将时间序列切割，将具有相同趋势的子序列聚类；然后对每一类数据搭建预测模

型，利用GRU学习时间序列的相关性，利用图注意力网络来创建各维度之间的图关系，

最后将学习到的图关系加权至时间预测结果上，得到最终的预测值；最后，将预测值与

3

真实值之差用作异常得分，利用准则来选取异常的阈值。

（2）为解决时间序列中出现的长时间序列缺失问题，出一种基于Bi-LSTM的

时间序列缺失值填补方法。在利用Bi-LSTM的双向学习的基础上，搭建神经网络多步

输出，进行缺失值填补，并利用KNN寻找最近邻的其他完整数据对缺失数据进行填补，

结合两个填补结果，可以在充分学习到序列原始趋势的同时，增加填补数据的合理性。

（3）利用土遗址监测系统获取到的传感器数据，进行对比实验分析并应用。首先，

在数据预处理阶段利用所出的缺失值填补方式，对采集到的数据进行填补，高数

据分析的可信度；然后通过对比实验验证所异常检测方法的应用价值；最后将异常

检测模块加入土遗址监测系统的软件应用中，实现人工交互界面以供文保人员使用。

关键词：时间序列；多维；异常检测；缺失值填补；土遗址；监测系统

论文类型：应用研究

I

ABSTRACT

ABSTRACT

Timeseriesisakindofspecialdatawithtemporalcharacteristics,usuallyincludingthevalues

ofindependentvariables,timeintervalsandmeasurements,etc.Itcontainsmuchuseful

information,suchashistoricaltrends,seasonalvariations,randomnoiseandvariousvolatility,

andhassignificantintrinsicstatisticalcharacteristicsandspatialfeatures.Timeseriesanomaly

detectionisanimportantresearchtopicintimeseriesresearch.Inadditiontothespecial

temporalcorrelation,theincreasingvolumeoftimeseriesdataandthecomplexityofthe

informationitcontainsposegreatdiffi