Gaussian Process Regressionに基づく時系列データの異常モニタリング

和田 俊和  尾崎 晋作  前田 俊二  渋谷 久恵  

誌名
電子情報通信学会論文誌 D   Vol.J96-D   No.12   pp.3068-3078
発行日: 2013/12/01
Online ISSN: 1881-0225
DOI: 
Print ISSN: 1880-4535
論文種別: 論文
専門分野: パターン認識
キーワード: 
異常モニタリング,  故障予測,  Gaussian Process Regression,  Similarity Based Modeling,  

本文: PDF(1.8MB)>>
論文を購入




あらまし: 
本論文では,Gaussian Process Regression (GPR)に基づく異常予兆検出用のモニタリング法を提案する.異常予兆検出はプラントや,生体,乗り物等の健全性モニタリングのために必要であり,幅広い用途がある.異常予兆検出は,正常事例の蓄積をしながら,蓄積された事例に基づいて異常予兆の検出を行う問題であり,オンライン処理が前提となる.事例に基づく異常予兆の検出は,非線型回帰計算であるGPRによってセンサ値を推定し,推定値と実測値の乖離を調べることで実現できる.しかし,GPRでは蓄積された事例のペアを引数とするカーネル関数から成るグラム行列の逆行列を求めるため,事例数の3乗のオーダの計算が必要になる.したがって,オンラインで蓄積され続ける全事例を用いたGPRの計算は,時間とともに急激に減速するため,実時間性が要求される問題には適用できない.本論文では,まず,この問題を解決するために,入力に応じて回帰計算に用いる事例集合(Active Set)を動的に絞り込むことによって,精度を保ちながら回帰計算の高速化を実現する方法を提案する.次に,瞬時的な異常から長時間の趨勢の異常までをモニタリングするために,様々な時間解像度での異常度を表すSpectro Anomaly Gramを提案する.これにより,瞬時的な異常から大域的な異常までがモニタリングできるようになる.