首页> 中文期刊> 《计算机应用》 >基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用

基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用

         

摘要

加油时序数据包含加油行为的多维信息,但是指定加油站点数据较为稀疏,现有成熟的数据异常检测算法存在挖掘较多假性异常点以及遗漏较多真实异常点的缺陷,并不适用于挖掘加油站时序数据.提出一种基于深度学习的异常检测方法识别加油异常车辆,首先通过自动编码器对加油站点采集到的相关数据进行特征提取,然后采用嵌入双向长短期记忆(Bi-LSTM)的Seq2Seq模型对加油行为进行预测,最后通过比较预测值和原始值来定义异常点的阈值.通过在加油数据集以及信用卡欺诈数据集上的实验验证了该方法的有效性,并且相对于现有方法在加油数据集上均方根误差(R MSE)降低了21.1%,在信用卡欺诈数据集上检测异常的准确率提高了1.4%.因此,提出的模型可以有效应用于加油行为异常的车辆检测,从而提高加油站的管理和运营效率.

著录项

  • 来源
    《计算机应用》 |2019年第3期|924-929|共6页
  • 作者

    陶涛; 周喜; 马博; 赵凡;

  • 作者单位

    中国科学院 新疆理化技术研究所;

    乌鲁木齐830011;

    中国科学院大学;

    北京100049;

    新疆理化技术研究所 新疆民族语音语言信息处理实验室;

    乌鲁木齐830011;

    中国科学院 新疆理化技术研究所;

    乌鲁木齐830011;

    新疆理化技术研究所 新疆民族语音语言信息处理实验室;

    乌鲁木齐830011;

    中国科学院 新疆理化技术研究所;

    乌鲁木齐830011;

    新疆理化技术研究所 新疆民族语音语言信息处理实验室;

    乌鲁木齐830011;

    中国科学院 新疆理化技术研究所;

    乌鲁木齐830011;

    新疆理化技术研究所 新疆民族语音语言信息处理实验室;

    乌鲁木齐830011;

  • 原文格式 PDF
  • 正文语种 chi
  • 中图分类 模式识别与装置;
  • 关键词

    加油站时序数据; 深度学习; Seq2Seq; 双向长短期记忆; 异常检测;

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号