研究人员近日提出了一种创新的分层集成管道，用于解决欧洲空间局（ESA）卫星遥测数据中的异常检测问题。该工作由Lorenzo Riccardo Allegrini等人完成，并已提交至ECML PKDD 2025会议的ML4ITS研讨会。在ESA太空器异常挑战赛的最终轮中，该方法荣获第二名，同时在Kaggle公开排行榜上位列第一，私有排行榜上位列第三，充分证明了其有效性。
该管道专为多变量时间序列数据设计，集成了基于形状（shapelet）的特征提取与统计特征提取，逐通道进行建模，然后进行通道内堆叠，最后通过跨通道聚合完成综合判断。为了确保模型的泛化能力并防止信息泄露，训练和验证采用了时间序列交叉验证以及两层掩码策略。
在ESA异常检测基准（ESA-ADB）挑战上的测试结果显示，该管道能够有效检测卫星遥测中的微小异常，展现出强大的泛化性能。论文共15页，包含3张图和1张表，主题涵盖机器学习（cs.LG）和计算机视觉与模式识别（cs.CV），ACM分类号为I.2.6。该工作还获得了DOI编号（10.48550/arXiv.2605.06681），并将在《Communications in Computer and Information Science》第2842卷（2026年）第7章发表。
该管道不仅为卫星遥测异常检测提供了新的技术路径，也展示了分层集成方法在现实世界复杂系统中的应用潜力。未来，这一方法有望被应用于更广泛的航空航天与工业监控领域，进一步提升对关键设备状态的监测能力。