计算机应用研究

作者：吴雨露,凌捷,

单位：广东工业大学计算机学院,广州510006；

关键词：多变量时间序列,异常检测,图神经网络,对比学习,

基金：广州市重点领域研发计划资助项目(202007010004)；；

多变量时间序列异常检测对于保障工业系统与物联网的稳定运行至关重要。现有方法对于多变量时间序列中变量间复杂依赖关系的提取往往不够充分，且对正常模式的构建能力不足，判别异常时效果欠佳。为此，提出一种基于双图与多层次对比的多变量时间序列异常检测方法DGMLC。该方法基于图注意力机制构建时间图与空间图，以充分提取时间序列的时序特征与变量依赖关系；通过卷积操作将时间图与空间图聚合并作为空间图的注意力权重，得到特征聚合图；设计多层次对比学习，对时间图、空间图和特征聚合图进行联合训练来预测时间序列的正常模式，并基于预测误差实现异常检测。在SMAP、MSL、SWaT和WADI数据集上进行实验，所提方法的平均F1分数达到92.86%，较现有方法有显著提升。实验结果表明，所提方法在变量间依赖关系提取和正常模式建模方面具有显著优势，验证了其在多变量时间序列异常检测任务中的优越性能，具备良好的应用前景。

来源：2026年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第3期