2024年5月，实验室二年级硕士孙琪同学撰写的论文“Spatial-Temporal Dependency Based Multivariate Time Series Anomaly Detection for Industrial Processes”被第二十届国际智能计算会议（International Conference on Intelligent Computing 2024）录用。International Conference on Intelligent Computing是CCF学会推荐的C类会议，本次会议的主题是先进智能计算方法与应用，智能计算技术包括人工智能、模式识别、进化计算、信息学理论与应用等一系列技术。

由于工业过程中设备与系统间展现出复杂的耦合关系，过程变量时间序列展现出复杂的时序和空间依赖性。因此，本文提出了一种多任务变分自编码器以实现多变量时间序列异常检测。结构上，它结合了多任务学习和变分自编码器的结构，以获得带有噪声的时间序列的鲁棒表征。细节上，选择状态空间模型和图注意力网络被用于分别捕获时间序列的时序和空间依赖性。实验结果表明所提方法在三个数据集上优于6个基线，分别取得了0.9389、0.8151和0.9524的F1分数。另外，异常分数和变量因果图能够给现场安全管理人员提供高可解释性的分析，以实现异常的高效处理。

论文研究得到了国家自然科学基金国家重大科研仪器研制项目（62127808）的资助。