标题：基于GS4D的催化裂化分馏系统多维时间序列异常检测
作者：何劲东1；李亚辉2；孙琪1；胡震鹏2 周纯杰2
作者单位：1 华中科技大学网络空间安全学院，湖北 武汉 430074；2 华中科技大学人工智能与自动化学院，湖北 武汉 430074
关键字：图注意力网络；状态空间模型；多维时间序列；异常检测
摘要：深度学习方法较传统异常检测方法已取得显著优势，然而多变量长时序动态时空间依赖建模方面仍存在不足。针对流程工业多变量低频耦合特点，提出了一种基于时空联合依赖建模的多变量时序异常检测框架。首先，通过并联融合方法将状态空间模型（S4D）所提取的多变量长时序依赖及图注意力网络（GAT）提取的空间依赖特征进行关联。然后，基于时间卷积网络（TCN）对混合特征进行处理，通过对融合后时空特征进行卷积操作以捕捉多变量长时空依赖特征，以增强模型对长时间依赖的表征能力。最后，通过预测和重构的多任务学习方法实现对异常的准确判定。基于公开和自建数据实验表明，相较于现有基线方法分别取得了4.2%与1.6%的综合性能提升。