加油站时序数据中蕴藏着大量信息，但加油数据庞大复杂且各变量间蕴含隐性关系，目前的异常检测方法经常产生“假异常”或遗漏真实异常，无法有效挖掘加油数据中的异常点。针对这种现象，提出一种基于无监督学习的异常检测方法。通过PCA对数据进行降维，提取有效的特征信息，采用基于LSTM的GAN模型(LSTM-GAN)对加油时序数据进行检测，通过生成器和鉴别器共同得到的异常损失定义异常点。通过在加油数据集和公开数据集上的实验证明了该方法的有效性，并且相较于目前的异常检测方法具有一定提升。
科研之友
微信
新浪微博
Facebook
分享链接
