工业动态系统多变量时间序列的无模型无监督异常检测框架

本文提出了一种用于工业动态系统引发的时间序列的无模型异常检测新框架。该框架属于传统方法范畴，具备极具吸引力的特性，例如仅需少量训练数据即可学习、高可解释性潜力，以及在报警触发并分析后与增量学习机制兼容以纳入操作员反馈。尽管这些特性对于工业界接受数据驱动解决方案至关重要，但在通常几乎只关注性能指标的对比评估中却很少被考虑。此外，所提框架涉及的特征工程步骤受时间序列隐式受物理定律支配这一事实启发，这在工业时间序列中通常如此。给出了两个实例以评估所提方法的有效性。