买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜南京大学申请的专利基于变分自编码时序分解的时间序列异常检测方法和设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114626479B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210290945.6，技术领域涉及：G06F18/214；该发明授权基于变分自编码时序分解的时间序列异常检测方法和设备是由李文中;王品皓;陆桑璐设计研发完成，并于2022-03-23向国家知识产权局提交的专利申请。

本基于变分自编码时序分解的时间序列异常检测方法和设备在说明书摘要公布了：本发明公开了一种基于变分自编码时序分解的时间序列异常检测方法和设备，所述方法基于时间序列分解方法、循环神经网络、长短记忆网络、变分自编码器，利用循环变分自编码器模型对分解后的时间序列进行重构，实现了多变量时间序列异常检测。本发明具有较好的时间序列异常检测效果，有效减弱了时间序列中的非异常因素导致的数据波动，更好地获取了时间序列中的时序依赖性信息，从而提升整体异常检测性能。

本发明授权基于变分自编码时序分解的时间序列异常检测方法和设备在权利要求书中公布了：1.一种基于变分自编码时序分解的时间序列异常检测方法，其特征在于，包括以下步骤：S1、对时间序列进行分解，保留时间序列中与异常检测相关的部分，包括：根据时间序列是否具有周期性，利用STL方法或HP滤波法对时间序列进行分解，其中针对具有周期性的时间序列，采用STL方法对时间序列进行分解；针对不具有周期性的时间序列，采用HP滤波法对时间序列进行分解；S2、将分解后的时间序列划分为一组定长的子时间序列，划分方式如下： 为分解后的时间序列，w为子时间序列的长度，长度为n的时间序列划分成n-w+1个子时间序列；S3、利用训练集数据进行异常检测模型训练，所述异常检测模型为循环变分自编码器模型，模型的编码器部分和解码器部分的第一层神经网络处理层均为LSTM层，模型生成隐变量分布参数的处理层为RNN层，所述训练集为每个时刻的数据均为正常数据的子时间序列；S4、利用异常检测模型对训练集中子时间序列进行重构，计算子时间序列中最后时刻数据的重构误差，并将其作为异常分数，保存训练集对应的异常分数，利用基于密度的异常阈值选择算法计算异常阈值；S5、将待检测时间序列分解并划分为子时间序列，输入异常检测模型进行重构，计算异常分数，若异常分数大于异常阈值，则判断当前输入的子时间序列中的最后时刻数据存在异常；其中步骤S4和S5中异常分数的计算过程如下： D-R-VAE表示循环变分自编码器模型，经过该模型对时间序列进行重构，重构的时间序列t时刻的时序值表示计算和的均方误差，ast表示t时刻的异常分数；步骤S4中异常阈值计算过程如下：将训练集数据的异常分数存储到数组scores中，设定近邻数量k和倍数m，倒序排序数组scores，之后建立distances数组，distances数组中的元素计算过程如下：distances[i]＝k*scores[i]-scores[i+1]-…-scores[i+k]计算distances数组中元素的平均值aver_distance，遍历distances数组，若满足条件：distances[i]aver_distance*m，则将scores[i]作为异常阈值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。