[发明专利]一种投产数据异常检测方法及相关装置

权利要求书

1.一种投产数据异常检测方法，其特征在于，包括：

基于异常单位特征信息对获取到的原始投产数据进行预处理，得到待检测投产数据；

基于训练数据对构建的投产数据关系映射模型进行训练，得到浅层神经网络模型；

基于所述浅层神经网络模型对所述待检测投产数据进行检测，得到异常投产数据。

2.根据权利要求1所述的投产数据异常检测方法，其特征在于，基于异常单位特征信息对获取到的原始投产数据进行预处理，得到待检测投产数据，包括：

将所述原始投产数据中标注有异常单位的数据进行剔除，得到待聚类数据；

基于密度聚类算法对所述待聚类数据进行分类，得到正常单位数据；

基于数据矩阵形式对所述正常单位数据进行归一化处理，得到所述待检测投产数据。

3.根据权利要求1所述的投产数据异常检测方法，其特征在于，基于训练数据对构建的投产数据关系映射模型进行训练，得到浅层神经网络模型，包括：

基于预设模型结构进行模型构建处理，得到投产数据关系映射模型；

基于训练数据对所述投产数据关系映射模型进行训练，得到所述浅层神经网络模型。

4.根据权利要求1所述的投产数据异常检测方法，其特征在于，基于所述浅层神经网络模型对所述待检测投产数据进行检测，得到异常投产数据，包括：

基于所述浅层神经网络模型对所述待检测投产数据的投入数据进行预测，得到预测产出数据；

对所述待检测投产数据的产出数据与所述预测产出数据进行差值计算，得到嫌疑值；

将所述嫌疑值大于预设数值的数据标记为所述异常投产数据。

5.根据权利要求1所述的投产数据异常检测方法，其特征在于，还包括：

基于所述异常投产数据发送提示信息。

6.一种投产数据异常检测装置，其特征在于，包括：

数据预处理模块，用于基于异常单位特征信息对获取到的原始投产数据进行预处理，得到待检测投产数据；

模型训练模块，用于基于训练数据对构建的投产数据关系映射模型进行训练，得到浅层神经网络模型；

数据检测模块，用于基于所述浅层神经网络模型对所述待检测投产数据进行检测，得到异常投产数据。

7.根据权利要求1所述的投产数据异常检测装置，其特征在于，所述数据预处理模块，具体用于将所述原始投产数据中标注有异常单位的数据进行剔除，得到待聚类数据；基于密度聚类算法对所述待聚类数据进行分类，得到正常单位数据；基于数据矩阵形式对所述正常单位数据进行归一化处理，得到所述待检测投产数据。

8.根据权利要求1所述的投产数据异常检测装置，其特征在于，所述模型训练模块，具体用于基于预设模型结构进行模型构建处理，得到投产数据关系映射模型；基于训练数据对所述投产数据关系映射模型进行训练，得到所述浅层神经网络模型。

9.一种服务器，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的投产数据异常检测方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的投产数据异常检测方法的步骤。