一种基于多视图小波分解和生成对抗网络的时间序列异常检测方法

本发明公开了一种基于多视图小波分解和生成对抗网络的时间序列异常检测方法，包括：对原始多变量时间序列进行滑动窗口划分；采用小波分解获取不同尺度的细节分量，构建三视图特征；分别通过三个编码器提取各视图特征，并利用注意力机制进行融合，得到融合特征表示；基于生成对抗网络对融合特征进行重构，通过对抗训练提高模型对正常模式的表征能力；根据重构结果构建综合异常评分，并结合平均误差、最大误差、通道误差和时间误差表征异常程度；基于统计分位数确定判定阈值，对异常评分进行判定，得到异常检测结果。本发明能够充分挖掘多变量时间序列的多尺度特征信息，提高复杂场景下局部异常和突发异常的检测能力，增强异常检测的准确性、鲁棒性和自适应能力。