专利交易市场

一种基于图注意力网络与LSTM自动编码模型的工业系统异常检测方法，包括以下步骤：1)样本划分和标准化：采用滑动窗口将原始工业系统数据划分为样本；2)异常检测模型构建：采用图注意力网络和LSTM自动编码机构建异常检测模型；3)实时异常检测：基于重构误差计算异常程度分数，在此基础上进行异常状态判定。本发明采用自动编码机、以无监督的方式训练异常检测模型，无需提供异常标注样本；采用图注意力网络挖掘工业系统不同维度之间的关联，提升在复杂工业系统中的异常检测准确率。

一种基于改进粒子滤波和卷积网络的雕刻机异常检测方法，分为离线训练和异常检测两个阶段。在离线训练阶段，首先采集雕刻机运行数据并确定正常工况下的系统模型结构，然后引入改进粒子滤波算法得到系统状态变量估计值，并使用期望最大化算法迭代更新模型参数，得到雕刻机系统精确的数学模型，最后利用模型的残差信息训练一维残差卷积神经网络，实现系统运行数据的二分类。在异常检测阶段，利用数学模型对运行数据进行粒子滤波得到噪声的估计值序列，最后通过离线训练好的分类器判断运行数据是否处于异常。本发明能够得到系统准确的数学模型并挖掘数据在时间维度的相关性，提高雕刻机运行数据异常检测的精度。

本发明公开了石化生产过程的一种异变趋势预测与灾变风险预警方法，包括：采集石化过程中状态异常变化的数据，基于状态异常变化的数据进行动态建模，获得目标动态系统模型；基于目标动态系统模型进行石化过程的趋势分析与状态预测，获得分析预测结果；基于分析预测结果进行故障预测预警，实现石化过程的故障预测。本发明能够准确实现石化过程中的故障预测预警，确保满足预测所需的精确度、准确性和可接受性要求。

本发明公开了一种工业企业大用户用水异常监测预警方法。本发明首先建立工业企业用水监测数据库。其次计算历史稳定期动态24小时用水量，并采用KS检验对24小时用水量序列进行正态分布验证，当其为偏态分布时，计算箱线图上下限参数；当其为正态分布时，计算SPC控制图参数。最后获取SCADA实测数据，针对每个采样时刻，滚动计算24小时用水量，与上下界阈值比较，进行超限判断及预警。本发明通过数据挖掘确定工业企业动态24小时用水量上下界阈值，并兼顾正态或偏态分布情况，很好地解决工业企业大用户用水不确定、水司监管难实际问题，提高了工业企业用水异常自动监测预警的准确性，并完善了水司对三级DMA异常监测手段。

本发明涉及材料测试技术领域，具体涉及一种氰化物采样用聚四氟乙烯管异常检测方法，包括：获取各个光谱曲线，根据光谱曲线数据特征，确定各个光谱曲线的目标光谱曲线初始匹配程度和数据差异值，进而确定数据异常程度；基于数据异常程度和每个数据点的吸光度，确定每个数据点的缩放权重，获得矫正后的各个光谱曲线，进而获得更准确的目标光谱曲线匹配程度；确定每个数据点的异常程度，基于目标光谱曲线匹配程度和异常程度，判断不同形态的聚四氟乙烯管是否存在异常。本发明借助聚四氟乙烯管的光谱数据，来实现聚四氟乙烯管的异常检测，提高了聚四氟乙烯管异常结果的准确度和效率，可以应用于聚四氟乙烯管检测领域。

一种异常状态在线识别方法，用于实时在线检测高维数据流中的潜在异常点。通过分析数据流的数据特性，提出运用基于角度分布的方法来获取数据流上每一个数据所对应的异常因子值。结合实时监控数据流的需要，提出建立基于正常集、边界集的小规模数据流型计算集，以此来加快异常状态在线识别方法的运算速度。针对大数据流的概念转移问题，提出建立正常集、边界集的实时更新机制，以此来保证异常状态在线识别方法在高维空间的检测精确度。采用本发明方法，不仅可以极大地降低对时间和物理存储的消耗，而且可以准确，实时地在线检测高维大数据流中的潜在异常点，为实现数据流的实时在线评估创造了条件，从而增强了大数据应用系统的稳定性。

本发明公开一种基于局部特征异常因子的初馏塔采样数据粗差判别方法，通过设计一种局部特征异常因子来量化各个样本数据的异常程度，从而可以将局部特征异常因子较大的样本数据判别为粗差。本发明方法需要先通过为各个样本数据找到多个近邻样本数据，然后以近邻样本数据为参考数据集，通过优化得到能区分该样本数据与其近邻之间差异的局部特征，从而计算得到局部特征异常因子。本发明方法未曾涉及计算马氏距离，而是寻找各个样本数据的近邻样本数据，并通过变换向量最大化两者之间的差异，从而通过局部特征与原点之间的距离来判别各个样本是否为粗差。因此，本发明方法可同时给出样本数据是否为粗差数据及其采样数据集中有多少个粗差数据的判别。