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！

龙图腾网获悉中国科学技术大学申请的专利多维时间序列数据诊断与补全方法、装置、系统与介质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：CN118395100B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202410505622.3，技术领域涉及：G06F18/15；该发明授权多维时间序列数据诊断与补全方法、装置、系统与介质是由吕文君;李泽瑞;康宇;李鲲设计研发完成，并于2024-04-25向国家知识产权局提交的专利申请。

本多维时间序列数据诊断与补全方法、装置、系统与介质在说明书摘要公布了：本发明涉及工业生产异常数据诊断技术领域，公开了一种多维时间序列数据诊断与补全方法、装置、系统与介质，方法包括收集传感器时间序列数据，构建神经网络模型，定义神经网络模型的损失函数并进行训练，将实际生产中得到的多维时间序列数据输入到完成训练的神经网络模型，得到重构多维时间序列数据；计算观测误差并更新掩码矩阵，重新训练神经网络模型；直到无法发现新的异常值或达到特定循环次数，实现了缺失补全。在重建的过程中，小波逆变换递归合成原始时间序列，细微异常的重建误差将被累积和放大，进而帮助发现数据的异常部分；在重构中能够同时补全自身缺失以及因为数据异常而剔除的缺失部分。

本发明授权多维时间序列数据诊断与补全方法、装置、系统与介质在权利要求书中公布了：1.一种多维时间序列数据诊断与补全方法，其特征在于，具体包括以下步骤： 步骤一，收集生产设备上n个传感器产生的传感器时间序列数据，得到多维时间序列数据其中，xi表示第i个传感器产生的传感器时间序列数据，1≤i≤n； 为xi中第w个传感器数据，w为各传感器时间序列数据的长度； 步骤二，构建神经网络模型：分别对X中的每个xi进行第一级多小波基函数离散小波变换，得到xi对应的第一级变换低频分量和第一级变换高频分量将分别输入到一维卷积网络和全连接网络，得到第一级融合低频序列和第一级融合高频序列对进行第二级多小波基函数离散小波变换，得到第二级变换低频分量和第二级变换高频分量将分别输入到一维卷积网络和全连接网络，得到第二级融合低频序列和第二级融合高频序列将和输入到由自相关注意力、残差连接和一维卷积网络组成的自相关融合模块，得到第i个传感器的第一级时间序列特征图将和输入到所述自相关融合模块，得到第i个传感器的第二级时间序列特征图 将输入到图卷积网络后得到的聚合结果输入到一维卷积网络，得到一级高频序列将输入到图卷积网络后得到的聚合结果输入到一维卷积网络，得到二级低频序列和二级高频序列对和进行多小波基函数小波逆变换得到一级低频序列通过对和进行多小波基函数小波逆变换得到重构后数据通过对按列求平均得到第i个传感器的重构时间序列数据进而得到重构多维时间序列数据 步骤三，定义神经网络模型的损失函数并进行训练；损失函数为： 其中，MX为与X对应的掩码矩阵；如果X在特定位置处因为缺失而补零，则M在所述特定位置上的元素为0，其他情况下，M在特定位置上的元素为1；MH,MLH,MLL分别为与对应的掩码矩阵；表示对应元素相乘；λX,λH,λLH,λLL表示加权系数，‖·‖2表示二范数； 步骤四，异常诊断及代码补全，具体包括以下步骤： 步骤S41，将实际生产中得到的多维时间序列数据X0，输入到完成训练的神经网络模型，得到重构多维时间序列数据计算观测误差Δ：如果观测误差Δ超过设定的阈值，则将X0中对应的传感器数据作为异常值剔除后补零，并更新掩码矩阵，并重新训练神经网络模型；将更新后的多维时间序列数据X0输入到重新训练过的神经网络模型； 步骤S42，循环运行步骤S41，直到无法发现新的异常值或达到特定循环次数，最终得到的已经剔除了多维时间序列数据X0中的全部异常传感器数据并实现了缺失补全。

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中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；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”。