基于数据内在特性和LSTM的用电数据异常检测算法研究

摘要：

为解决现有用电数据异常检测算法准确率低的问题,首先,文章分析了用户用电数据具有时间关联特性、高维度特性,且容易受外部因素影响等特性.其次,基于数据内在特性和LSTM理论,提出了基于数据内在特性和LSTM的用户用电数据异常检测算法.该算法采用有放回的构造数据集策略,构造K个数据集合,采用4层LSTM网络,实现高维数据特征提取,利用两层全连接的隐含层组成的神经网络,实现用户特征数据匹配,采用大概率事件将K个数据集的结果中出现最多的分类作为该节点的分类.通过实验,验证了文章算法比传统算法好,提高了准确率,降低了误报率.

关键词：大数据、异常检测、深度学习、LSTM

所属期刊栏目：16

在线出版日期：2019-07-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：96-99,112