[发明专利]一种基于贝叶斯神经网络的卫星异常检测方法

摘要

本发明公开了一种基于贝叶斯神经网络的卫星异常检测方法，包括：与使用传统神经网络的异常检测的方法不同，将贝叶斯思想引入神经网络，网络的权重不再是单值，而是符合某种概率分布。贝叶斯思想赋予神经网络不确定性，给予神经网络这一黑盒模型更好的数学解释。首先，依据卫星数据来构建传统的长短时神经网络。其次，引入贝叶斯思想，建立贝叶斯长短时神经网络，使用dropout方法来进行近似推断，通过最小化网络权重的近似分布和后验分布之间KL散度来学习网络权重。接着，通过蒙特卡洛采样近似权重分布的方式输出网络结果。然后，采用预测熵和互信息这两种度量方式来计算异常检测分类结果的不确定性。最后，通过人工或者自编码器来对具有高不确定的分类样本进行进一步的判断，从而能够更好地提高异常检测的准确率。

主权项

1.一种基于贝叶斯神经网络的卫星遥测数据异常检测方法，其主要特征包括如下步骤：/n(1)建立长短时记忆神经网络：长短时神经网络其能够在输入和输出序列之间的映射过程中利用上下文相关信息，能够学习卫星遥测数据中蕴含的长期依赖关系；/n(2)使用蒙特卡洛dropout技术实现贝叶斯长短时记忆神经网络：贝叶斯LSTM中使用dropout进行近似推理。dropout是一种从模型的后验分布中获取样本的方法。该技术与贝叶斯神经网络中贝努利分布在网络权值上的变分推断相联系；/n(3)计算检测结果的不确定性：卫星异常检测实际上是一种分类问题，将卫星时序数据分为正常和异常两类。本发明引入了两种不确定性度量标准。/n(4)对具有高不确定性样本进行检验：具有高不确定性的分类结果的样本，往往是因为在该权重分布下，神经网络无法对该样本进行准确判断。本发明设计一种基于变分自编码器的无监督检测方案。/n