一种运行日志异常检测方法及系统

    公开(公告)号:CN119848579A

    公开(公告)日:2025-04-18

    申请号:CN202411893651.8

    申请日:2024-12-20

    Abstract: 本发明提供了一种运行日志异常检测方法及系统,获取目标系统的历史运行日志数据,将历史运行日志数据中的非结构化数据转换为结构化数据;利用变分自编码器对转换后的结构化数据进行特征提取,对提取的特征进行聚类分析;针对每个聚类结果,使用Transformer模型进行时序数据分析,以捕捉长距离依赖关系,通过自注意力机制对簇内的时序特征进行建模,以识别异常事件;对变分自编码器和Transformer模型组成的异常检测模型进行训练,对模型进行参数调优;利用训练后的异常检测模型对目标系统的实时运行日志数据进行处理,实现异常事件的自动识别结果。本发明能够自动捕捉日志数据的潜在分布特征,提升对异常事件的识别精度。

    一种多维用电时序数据的缺失值补全方法及系统

    公开(公告)号:CN119848444A

    公开(公告)日:2025-04-18

    申请号:CN202411851142.9

    申请日:2024-12-16

    Abstract: 本发明提出了一种多维用电时序数据的缺失值补全方法及系统,涉及电力数据处理技术领域,包括:将待补全的多维用电时序数据预处理成多变量时序矩阵;将多变量时序矩阵输入到训练好的补全模型中,进行缺失值的补全,得到补全后的多变量时序矩阵;其中,所述补全模型是基于双向门控循环单元的自编码器和Transformer变体的两阶段缺失值插补模型,所述自编码器用于捕获多元时序数据间的时间相关性,对缺失值进行第一阶段的拟合补全,所述Transformer变体用于挖掘时序和维度之间的潜在关系,对缺失值进行第二阶段的拟合补全;本发明采用两阶段插补方法,进一步增强模型对时序数据的建模能力,提高损坏的时间序列数据的质量。

Patent Agency Ranking