首页  专利技术  电子电路装置的制造及其应用技术

一种基于大模型的时序数据智能异常检测系统及其方法与流程

2026-05-12 15:20:06 110次浏览

技术特征:

1.一种基于大模型的时序数据智能异常检测系统,其特征在于,该系统包括:

2.根据权利要求1所述的基于大模型的时序数据智能异常检测系统,其特征在于,采用以下步骤识别时序数据的周期性:

3.根据权利要求1所述的基于大模型的时序数据智能异常检测系统,其特征在于,采用以下步骤探测时序数据的漂移性:

4.根据权利要求1所述的基于大模型的时序数据智能异常检测系统,其特征在于,采用以下步骤选择合适的异常检测算法并调整:

5.根据权利要求1所述的基于大模型的时序数据智能异常检测系统,其特征在于,采用以下技术架构实现模型训练:

6.一种基于大模型的时序数据智能异常检测方法,其特征在于,该方法包括:

7.根据权利要求6所述的基于大模型的时序数据智能异常检测方法,其特征在于,采用以下步骤识别时序数据的周期性:

8.根据权利要求6所述的基于大模型的时序数据智能异常检测方法,其特征在于,采用以下步骤探测时序数据的漂移性:

9.根据权利要求6所述的基于大模型的时序数据智能异常检测方法,其特征在于,采用以下步骤选择合适的异常检测算法并调整:

10.根据权利要求6所述的基于大模型的时序数据智能异常检测方法,其特征在于,采用以下技术架构实现模型训练:

11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求6-10任一项所述方法。

12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求6-10任一项所述方法的计算机程序。


技术总结
本发明公开一种基于大模型的时序数据智能异常检测系统及其方法,其中,该系统包括:特征分析模块,用于分析时序数据的周期性、漂移性和平稳性;算法选型模块,用于根据数据分布的偏度值选择合适算法,并根据周期性、漂移性和平稳性特征对算法参数进行调整;模型训练模块,用于采用算法工厂模式,支持动态加载和并行训练不同的异常检测算法;对于周期性数据,通过分段和聚合处理来增强模型训练;对于数据漂移,采用增量学习方法使模型逐步适应数据变化;实时检测模块,用于持续接收实时数据,预处理后加载训练好的模型进行异常检测,一旦检测到异常,立即输出结果。该系统及方法可以在动态变化的业务环境中提升异常检测的准确性和及时性。

技术研发人员:闫一帅
受保护的技术使用者:中盈优创资讯科技有限公司
技术研发日:
技术公布日:2024/11/28
文档序号 : 【 40164000 】

技术研发人员:闫一帅
技术所有人:中盈优创资讯科技有限公司

备 注:该技术已申请专利,仅供学习研究,如用于商业用途,请联系技术所有人。
声 明此信息收集于网络,如果你是此专利的发明人不想本网站收录此信息请联系我们,我们会在第一时间删除
闫一帅中盈优创资讯科技有限公司
一种基于动态手指姿态的手掌活体检测方法与流程 返回列表
相关内容