摘要：本发明公开了一种时间序列异常检测方法。内容如下：基于注意力机制的长短期记忆网络（LSTM）的变体GRU来对时序数据进行建模，可以实现长序列预测以减轻工程预测压力解决实时性问题；采用孤立森林（iForest）对历史数据（不同周期同时刻）进行建模，将iForest非异常点的中心偏离程度作为安全区间的阈值设定标准。算法包括如下步骤：数据预处理，将离线数据集划分为训练集和测试集，并按周期进行分组聚合，归一化；利用Attention‑GRU进行建模，建立预测模型，采用iForest建立安全区间。本发明能够有效地解决实时性预测问题和安全区间的设置的问题，使得准确率和召回率得到有效提高。