XJIPC OpenIR  > 多语种信息技术研究室
基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用
陶涛; 周喜; 马博; 赵凡
2019
Source Publication计算机应用
ISSN1001-9081
Volume39Issue:3Pages:924-929
Abstract

加油时序数据包含加油行为的多维信息,但是指定加油站点数据较为稀疏,现有成熟的数据异常检测算法存在挖掘较多假性异常点以及遗漏较多真实异常点的缺陷,并不适用于挖掘加油站时序数据。提出一种基于深度学习的异常检测方法识别加油异常车辆,首先通过自动编码器对加油站点采集到的相关数据进行特征提取,然后采用嵌入双向长短期记忆(Bi-LSTM)的Seq2Seq模型对加油行为进行预测,最后通过比较预测值和原始值来定义异常点的阈值。通过在加油数据集以及信用卡欺诈数据集上的实验验证了该方法的有效性,并且相对于现有方法在加油数据集上均方根误差(RMSE)降低了21.1%,在信用卡欺诈数据集上检测异常的准确率提高了1.4%。因此,提出的模型可以有效应用于加油行为异常的车辆检测,从而提高加油站的管理和运营效率。

Keyword加油站时序数据 深度学习 Seq2Seq 双向长短期记忆 异常检测
Indexed ByCSCD
CSCD IDCSCD:6444682
Citation statistics
Document Type期刊论文
Identifierhttp://ir.xjipc.cas.cn/handle/365002/5701
Collection多语种信息技术研究室
Corresponding Author周喜
Affiliation1.中国科学院新疆理化技术研究所
2.中国科学院大学
3.新疆理化技术研究所新疆民族语音语言信息处理实验室
Recommended Citation
GB/T 7714
陶涛,周喜,马博,等. 基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用[J]. 计算机应用,2019,39(3):924-929.
APA 陶涛,周喜,马博,&赵凡.(2019).基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用.计算机应用,39(3),924-929.
MLA 陶涛,et al."基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用".计算机应用 39.3(2019):924-929.
Files in This Item:
File Name/Size DocType Version Access License
基于双向LSTM的Seq2Seq模型在加(896KB)期刊论文作者接受稿开放获取CC BY-NC-SAView Application Full Text
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[陶涛]'s Articles
[周喜]'s Articles
[马博]'s Articles
Baidu academic
Similar articles in Baidu academic
[陶涛]'s Articles
[周喜]'s Articles
[马博]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[陶涛]'s Articles
[周喜]'s Articles
[马博]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: 基于双向LSTM的Seq2Seq模型在加油站时序数据异常检测中的应用.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.