Méthode de détection d'anomalies sur satellite en orbite basée sur un seuil dynamique et l'élagage de causalité

Il est difficile pour les méthodes existantes de détection d'anomalies sur satellite en orbite basées sur l'apprentissage profond de définir le seuil de détection basé sur les résidus et d'identifier les fausses anomalies. Pour résoudre ces problèmes, cet article propose à la fois une méthode de détermination de seuil de détection et de correction dynamique, ainsi qu'une méthode d'identification et d'élagage de fausses anomalies basée sur la causalité. Nous utilisons le GRU (Gated Recurrent Unit) pour modéliser et prédire les paramètres de télémétrie afin d'obtenir le vecteur des résidus ; déterminer et corriger dynamiquement le seuil selon le taux de faux positifs prescrit ; proposer une méthode améliorée d'entropie de transfert multivariée pour identifier les relations causales entre les paramètres de télémétrie ; et, en nous basant sur la causalité, déterminer si les anomalies de paramètres détectées sont fausses. Les expériences montrent que la précision, le rappel et le score F1 de la méthode proposée dans cet article sont supérieurs à la méthode typique actuelle, et le taux de faux positifs est significativement réduit, démontrant l'efficacité de la méthode proposée.