《基于LSTM时间序列重建的生产装置异常检测》PDF+DOC
作者:窦珊,张广宇,熊智华
单位:中国化工学会
出版:《化工学报》2019年第02期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFHGSZ2019020080
DOC编号:DOCHGSZ2019020089
下载格式:PDF + Word/doc 文字可复制、可编辑
《无线传感网络中的神经网络多级数据融合算法》PDF+DOC2017年第02期 雷宇飞
《基于环境监测的两级数据融合模型与算法》PDF+DOC2019年第10期 马占飞,金溢,江凤月,刘保卫
《基于数据融合技术的多目标跟踪算法研究》PDF+DOC1998年第03期 王宝树,李芳社
《基于参数估计的多传感器数据融合》PDF+DOC1995年第06期 孙皓莹,蒋静坪
《传感器数据证实技术应用研究》PDF+DOC2004年第05期 吴祖堂,王群书,蒋庄德
《多传感器信息融合技术在提高孔板测量精度中的应用》PDF+DOC2004年第05期 苏红,常晓权
《基于神经网络预测器的传感器数据证实技术研究》PDF+DOC 吴祖堂
《基于改进型BP神经网络的瓦斯传感器的非线性校正》PDF+DOC2007年第03期 刘刚
《基于PSO的神经网络在传感器数据融合中的应用》PDF+DOC2006年第04期 高艳丽,刘诗斌
《人工神经网络在航迹关联中的应用》PDF+DOC2006年第01期 张池平,崔平远,张英俊
工业生产装置通常设置传感器报警阈值进行报警,但是对处于报警阈值以下的时间序列异常难以及时捕捉。基于统计的传统检测方法在解决时间序列异常检测上存在很大挑战,因此提出基于long short term memory(LSTM)时间序列重建的方法进行生产装置的异常检测。该算法首先引入一层LSTM网络对传感器数据的时间序列进行向量表示,采用另一层LSTM网络对时间序列进行逆序重建,然后利用重建值与实际值之间的误差,通过极大似然估计方法对该段序列进行异常概率估计,最终通过学习异常报警阈值实现时间序列异常检测。采用ECG测试数据、能源数据与危险品储罐传感器数据进行了仿真实验,验证了所提方法在不同长度的数据上的有效性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。