声明
图形索引
表格索引
1 绪论
1.1 研究背景与意义
1.2 研究现状
1.2.1 时间序列数据分类方法
1.2.2 时间序列数据预测方法
1.2.3 存在问题及挑战
1.3 本文主要研究内容及组织结构
1.3.1 主要研究内容
1.3.2 论文组织结构
2 深度学习基础知识概述
2.1 卷积神经网络
2.2 循环神经网络
2.3 LSTM循环神经网络
2.4 本章小结
3 基于卷积神经网络的时间序列数据异常检测方法
3.1 数据描述与分析
3.2 基于采样法的不平衡时间序列数据处理算法
3.3 基于CNN的时间序列数据异常检测算法
3.3.1 数据预处理
3.3.2 时间序列数据异常检测模型
3.4 实验结果与分析
3.4.1 实验设置
3.4.2 隐藏层层数设置
3.4.3 性能评估
3.5 故障诊断模型设计
3.6 本章小结
4 基于长短时记忆网络的时间序列数据预测方法
4.1 变体LSTM循环神经网络
4.2 时间序列数据预测算法
4.3 实验结果与分析
4.3.1 实验设置
4.3.2 性能评估
4.4 故障预测模型设计
4.5 本章小结
5 总结与展望
致谢
参考文献
攻读硕士学位期间的主要研究成果
西安理工大学;