买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);山东山科智控科技创新有限公司申请的专利一种基于可变时间转换器的时间序列数据异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120144930B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510623076.8，技术领域涉及：G06F18/10；该发明授权一种基于可变时间转换器的时间序列数据异常检测方法是由郝慧娟;李璨;程广河;张让勇;郝凤琦;白金强;唐勇伟;孟庆龙;李娟设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种基于可变时间转换器的时间序列数据异常检测方法在说明书摘要公布了：本发明属于时间序列数据处理的技术领域，更具体地，涉及一种基于可变时间转换器的时间序列数据异常检测方法。所述方法提出一种异常检测模型VT‑GAN，该模型设计并行生成器组，每个生成器通过膨胀因果卷积提取不同时间尺度的模式特征；在VTT架构中融合时间自注意力、变量自注意力与交叉注意力层，通过可学习门控权重显式建模时空交互关系；结合温度参数调节优化VT‑GAN模型的损失函数并基于构建的VT‑GAN模型进行数据异常检测。本发明解决了传统模型因序列计算特性难以满足毫秒级响应需求，而全局注意力机制在高维时序数据中的计算复杂度限制实时性，以及误报率高、异常检测覆盖率低的问题。

本发明授权一种基于可变时间转换器的时间序列数据异常检测方法在权利要求书中公布了：1.一种基于可变时间转换器的时间序列数据异常检测方法，其特征在于，所述方法包括： S1、从工业设备中获取个时间步长、个传感器变量构成的观测数据，并进行预处理得到真实样本数据； S2、构建VT-GAN模型，包括生成器与判别器，并通过对抗训练框架连接，交互流程包括数据流和梯度反向传播两部分； S3、结合温度参数调节优化VT-GAN模型的损失函数并基于构建的VT-GAN模型进行数据异常检测； 所述S2具体包括： S21、构建VT-GAN模型的生成器，包括短期生成器、中期生成器和长期生成器； 输入噪声向量，d为膨胀因子，分别通过短期生成器生成小时级时序模式；通过中期生成器生成天级趋势模式；通过长期生成器生成周级周期模式； 最后通过门控融合模块输出融合后的假样本； S22、构建VT-GAN模型的判别器，包括嵌入层、时间自注意力模块、变量自注意力模块、交叉注意力模块和门控融合模块； 对于判别器，输入真实样本和生成样本，通过嵌入层将输入映射为高维特征；分别通过时间自注意力模块捕捉单变量时序依赖，变量自注意力模块建模跨变量交互，交叉注意力模块显式融合时空特征； 最后通过门控融合模块动态加权时间自注意力模块、变量自注意力模块和交叉注意力模块的输出生成判别特征，根据判别特征输出判别概率； 所述短期生成器G1由3层膨胀因果卷积堆叠，每层卷积核大小为，膨胀因子为递增，为层数，感受野逐步扩展至个时间步； 所述中期生成器G2包括6层膨胀因果卷积堆叠，每层卷积核大小为，前3层膨胀因子为，后3层膨胀因子固定为8，感受野为63步； 长期生成器G3采用残差连接的12层膨胀因果卷积，每层卷积核大小为，每层膨胀因子； 每个生成器的核心操作由膨胀因果卷积实现，处理函数如下： （2）； 公式（2）中，表示第s个生成器第层的输出特征，为一维因果卷积，为隐空间维度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人齐鲁工业大学(山东省科学院);山东省计算中心(国家超级计算济南中心);山东山科智控科技创新有限公司，其通讯地址为：250000 山东省济南市长清区西部新城大学科技园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。