多维时间序列异常检测算法

该算法保留多维子序列维度间关系，结合改进距离度量和自适应阈值更新，实现实时异常检测，为施工风险提供早期预警。

Wu, Bingjian · Fan, Zhang · Yi, Wang · 胡珉 · Xue, Bai

Sustainability 2024

技术优势

保留维度关系

通过扩展的局部权重 Frobenius 范数（EFN_lw）衡量多维子序列相似性，保留维度间关系。

实时异常检测

采用基于一阶均值差（TMFD）的阈值更新机制，通过评估偏差实时检测异常。

更好的适应性和准确性

对比实验表明，RADIM 在隧道掘进机风险预警中表现出更好的适应性、实时性和准确性。

应用场景

• 施工设备异常检测：实时检测施工设备多维传感器数据异常，提前预警故障。
• 隧道掘进机风险预警：用于隧道掘进机状态监测，提前发现潜在风险。
• 基础设施监测：处理基础设施运行过程中的多维时间序列，提供决策支持。
• 智能建造安全监控：为智能建造提供实时安全预警，降低施工风险。