[发明专利]一种基于深度学习的时间序列异常检测系统

权利要求书

1.一种基于深度学习的时间序列异常检测系统，其特征在于，包括用户、检测模块、显示模块、报警模块和电源模块，用户和检测模块相连接，显示模块和报警模块均与检测模块相连接，电源模块分别为报警模块、检测模块和显示模块供电。

2.根据权利要求1所述的一种基于深度学习的时间序列异常检测系统，其特征在于，检测模块的运行包括以下步骤：

S1、确定数据异常的标准，并保存；

S2、确定数据异常的阈值，并保存；

S3、输入实时的时间序列数据，判断数据是否异常；

S4、若数据无异常，则返回S3，若数据异常，则进行下一步；

S5、与前N个时间序列数据进行对比，判断数据变化趋势，并及时超过阈值所需要的时间；

S6、判断时间是否小于T，若时间大于T则返回S2，若时间小于T，则进行一级报警并进行下一步；

S7、判断数据是否超过阈值，若未超过阈值，则返回S2，若超出阈值，则进行二级警报。

3.根据权利要求2所述的一种基于深度学习的时间序列异常检测系统，其特征在于，所述步骤S1中数据异常的标准可以根据实际情况进行修改。

4.根据权利要求2所述的一种基于深度学习的时间序列异常检测系统，其特征在于，所述步骤S2中数据异常的阈值可以根据实际情况进行修改。

5.根据权利要求2所述的一种基于深度学习的时间序列异常检测系统，其特征在于，所述步骤S5中的N可以根据实际情况进行修改。

6.根据权利要求1所述的一种基于深度学习的时间序列异常检测系统，其特征在于，所述步骤S6中的T可以根据病人的情况以及医护人员能及时赶到的时间进行修改。