[发明专利]一种时间序列中异常点检测方法及装置

权利要求书

1.一种时间序列中异常点检测方法，所述方法包括：

获取业务指标时间序列中的离散点；

对包含所述离散点的时间子序列进行聚类预测，确定所述离散点的第一预测结果；其中，所述第一预测结果为根据聚类预测得到的所述离散点是否为异常点的预测结果；

利用时序分解方法从所述离散点的指标值中分解出误差值，并根据所述误差值确定所述离散点的第二预测结果；其中，所述第二预测结果为根据时序分解方法预测得到的所述离散点是否为异常点的预测结果；

根据所述第一预测结果和所述第二预测结果，确定所述离散点的异常预测结果。

2.根据权利要求1所述的方法，所述对包含所述离散点的时间子序列进行聚类预测，确定所述离散点的第一预测结果包括：

获取包含所述离散点的预设窗口内的时间子序列；

计算所述时间子序列距离预设类别的聚类中心的欧式距离，其中，所述预设类别包括根据对所述业务指标的历史时间序列聚类分析得到的类别；

判断所述欧式距离是否大于预设距离阈值；

若判断结果为是，则确定所述离散点为异常点。

3.根据权利要求1所述的方法，所述利用时序分解方法从所述离散点中分解出误差值，并根据所述误差值确定所述离散点的第二预测结果包括：

从所述离散点的指标值中提取趋势值、周期值和误差值，其中，所述趋势值和所述周期值包括根据对所述业务指标的历史时间序列进行训练得到的值；

判断所述误差值是否大于预设误差阈值；

若判断结果为是，则确定所述离散点为异常点。

4.根据权利要求1所述的方法，所述业务指标时间序列被设置为按照下述方式获取：

按照预设统计窗口获取所述业务指标时间序列，其中，所述预设统计窗口的宽度被设置为根据所述业务指标的历史时间序列进行训练得到。

5.根据权利要求4所述的方法，所述根据所述业务指标的历史时间序列进行训练得到所述预设统计窗口的宽度包括：

设置初始窗口，并按照所述初始窗口获取所述业务指标的历史时间序列；

判断所述历史时间序列中预设百分比离散点的指标值是否大于预设指标值；

若判断结果为否，则增大所述初始窗口的宽度，直至所述初始窗口内的时间序列中所述预设百分比离散点的指标值大于所述预设指标值，并将当前的初始窗口的宽度作为统计窗口的宽度。

6.根据权利要求5所述的方法，所述预设指标值根据所述业务指标确定得到。

7.根据权利要求1所述的方法，所述对包含所述离散点的时间子序列进行聚类预测包括：

获取根据所述业务指标的历史时间序列训练得到的预设均值和预设方差；

判断所述离散点的指标值是否大于(预设均值+3×预设方差)；

若判断结果为是，则对包含所述离散点的时间子序列进行聚类预测。

8.根据权利要求1所述的方法，所述根据所述第一预测结果和所述第二预测结果，确定所述离散点的异常预测结果包括：

设置漂移窗口；

若所述第一预测结果和所述第二预测结果中均包括异常点，且所述异常点均位于所述漂移窗口内，则确定所述异常预测结果为所述离散点为异常点。

9.一种时间序列中异常点检测装置，所述装置包括：

离散点获取单元，用于获取业务指标时间序列中的离散点；

聚类预测单元，用于对包含所述离散点的时间子序列进行聚类预测，确定所述离散点的第一预测结果；其中，所述第一预测结果为根据聚类预测得到的所述离散点是否为异常点的预测结果；

时序分解单元，用于利用时序分解方法从所述离散点的指标值中分解出误差值，并根据所述误差值确定所述离散点的第二预测结果；其中，所述第二预测结果为根据时序分解方法预测得到的所述离散点是否为异常点的预测结果；

异常预测单元，用于根据所述第一预测结果和所述第二预测结果，确定所述离散点的异常预测结果。