買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國科學院計算技術研究所申請的專利一種基于圖神經網絡的多變量時間序列異常檢測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114881115B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210351790.2，技術領域涉及：G06F18/2433；該發明授權一種基于圖神經網絡的多變量時間序列異常檢測方法及系統是由劉濤;楊晨旺;馬君;韓銀和設計研發完成，并于2022-04-02向國家知識產權局提交的專利申請。

本一種基于圖神經網絡的多變量時間序列異常檢測方法及系統在說明書摘要公布了：本發明提出一種基于圖神經網絡的多變量時間序列異常檢測方法和系統，包括：以物理系統中傳感器作為概率圖模型中節點，以傳感器監測的數據作為時間序列，對多維時間序列關系建模，得到動態圖神經網絡模型；得到各節點下一時間點的預測值，并采用歸一化的時間對齊測度生成各節點的鄰接矩陣；當時間進行到下一時間點，獲取節點的真實值，根據預測值和真實值，構建引入鄰接矩陣重構誤差的損失函數，以訓練更新動態圖神經網絡模型，同時根據各節點損失函數數值及其鄰居節點在分布上的差異性和鄰接矩陣值，得到各節點的異常值；當節點預測值與真實值的誤差大于異常值，則產生異常報警。本發明提高了系統異常值的穩定性和緩變異常檢測的準確性。

本發明授權一種基于圖神經網絡的多變量時間序列異常檢測方法及系統在權利要求書中公布了：1.一種基于圖神經網絡的多變量時間序列異常檢測方法，其特征在于，包括： 步驟1、獲取待異常檢測物理系統的中各傳感器采集的數據，并以傳感器作為概率圖模型中節點，以傳感器監測的數據作為時間序列，對多維時間序列關系建模，得到動態圖神經網絡模型； 步驟2、采用多頭注意力機制對該動態圖神經網絡模型中節點的特征進行聚合，以得到各節點下一時間點的預測值，并采用歸一化的時間對齊測度各節點的鄰接矩陣； 步驟3、當時間進行到該下一時間點，獲取節點的真實值，根據該預測值和該真實值，構建引入該鄰接矩陣重構誤差的損失函數，以訓練更新該動態圖神經網絡模型，同時根據各節點損失函數數值及其鄰居節點在分布上的差異性和鄰接矩陣值，得到各節點的異常值； 步驟4、循環執行步驟1到步驟3；當同一時間點的節點預測值與真實值的誤差大于該異常值，則產生對應節點的異常報警； 該步驟3中訓練更新該動態圖神經網絡模型包括： 對于T長的傳感器運行狀態序列，采用時間序列誤差Lrecon和擬合誤差Lreg的均方誤差作為該損失函數；其中該時間序列誤差Lrecon為t時刻數據的預測值與真實值s1:T的平均偏差；該擬合誤差Lreg是歸一化的鄰接矩陣與鄰接矩陣模板A的擬合誤差； 其中鄰接矩陣A用于表示有向圖，其中元素Aij表示從節點i到節點j的有向的邊，而表示節點i的鄰域，該動態圖神經網絡模型采用余弦測度eji表示邊的權重，即節點間的依賴性；鄰域大小為K，并選擇強度前K個鄰居定義鄰接矩陣，即： 通過最小化該損失函數，以訓練更新該動態圖神經網絡模型，且在訓練過程，將st預測值的經驗分布作為其概率表示： 其中，采用時間對齊測度法得到鄰接矩陣的近似表示，并基于GATv2的通過以下步驟得到估計值將歸一化以得到相似度矩陣e，并根據上式1計算鄰接矩陣At，根據GATv2的定義得到的如下表示： 對于各節點新的聚合特征，將其多頭輸出拼接起來，并通過多個級聯的全連接層的輸出作為當前真實值的估計值

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國科學院計算技術研究所，其通訊地址為：100080 北京市海淀區中關村科學院南路6號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。