基于半马尔可夫切换向量自回归模型的航空系统异常检测
机器学习
2016-03-01 v2 应用统计
机器学习
摘要
本文考虑异质、多变量、变长时间序列数据集中的异常检测问题。我们的焦点在航空安全领域，其中数据对象为航班，时间序列为传感器读数与飞行员开关。在此背景下，目标是检测由于机械、环境或人为因素引起的异常航段，以识别具有操作意义的事件，提供对飞行操作的洞察，并突出原本不可用的潜在安全风险与事故前兆。为此，我们提出一个框架，使用半马尔可夫切换向量自回归(SMS-VAR)模型表示每个航班。异常检测随后基于测量模型预测与数据观测之间的不相似度。由于大多数计算固有的并行性，该框架可扩展，并可用于执行在线异常检测。在模拟与真实数据集上的广泛实验结果表明，该框架能够检测各类异常及所涉及的关键参数。
引用
@article{arxiv.1602.06550,
title = {Semi-Markov Switching Vector Autoregressive Model-based Anomaly Detection in Aviation Systems},
author = {Igor Melnyk and Arindam Banerjee and Bryan Matthews and Nikunj Oza},
journal= {arXiv preprint arXiv:1602.06550},
year = {2016}
}