[发明专利]一种大规模不规则KPI时间序列异常检测方法

权利要求书

1.一种大规模不规则KPI时间序列异常检测方法，其特征在于包括：

步骤1.检测采样不规则的大规模KPI时间序列数据，判断其类型：首先进行分段不规则KPI的判定：

对于一组N条KPI，若其中的任意一条KPI，①:如果其不满足则为分段不规则KPI；之后按照分段的时间点，将这一分段不规则KPI分段为2段或更多段KPI组，使其满足上述的条件，之后再对每组KPI分别判断其类型；②：若满足说明该KPI组不是分段不规则类型，也即该KPI组可以直接用后续方法判断其所属的类型，其中：I₁,I₂......I_N分别是这些KPI的采样间隔，i表示KPI时间序列的序号；t表示KPI时间序列中各个采样数据的采样时间戳；n_i为某一KPI序列的采样数量；

各类型的分段不规则KPI按如下方法判断：

I₁＝I₂＝...＝I_N且n₁,n₂...n_N不全部相等；则该组KPI为等间不等量KPI；

I₁,I₂,...I_N不全部相等，则为不等间KPI；

I₁,I₂,...I_N不全部相等且I₁×n₁＝I₂×n₂＝...＝I_N×n_N，则为等时长不等间KPI；

步骤2.对采样不规则数据进行异常检测，判断是否出现数据异常，其中：

其中对等间不等量KPI时间序列数据，按以下方式对其进行异常检测：

对于两个KPI时间序列x＝(x₁,x₂,......x_m)和y＝(y₁,y₂,......y_n)，其中n、m表示采样数量，假设n≥m，通过在x上滑动y来计算每个y的元素滑动s个单位之后的内积；

滑动s之后的KPI变化为：

x(s)＝(x₁,x₂,......x_m) (10)

对于所有可能的移位s∈[-n+1，m-1]，计算内积UCC_s(x,y)如公式(12)所示：

将UCC_s(x,y)其标准化，将值限制在[-1,1]内，其中1表示完全相同，-1表示两个时间序列完全相反：

将公式(13)中所获得的NUCC的值导入近邻算法模型KNN判断这些KPI时间序列是否异常；

对不等间不规则KPI时间序列数据，按以下方式对其进行异常检测：对不等间不规则KPI时间序列数据通过动态时间归整算法进行计算其距离度量，再导入近邻算法模型KNN等模型，来判断该不等间不规则KPI时间序列是否异常；

对等时长不等间KPI时间序列数据，按以下方式对其进行异常检测：

A.关键绩效指标KPI的秩分析；

B.基于MF的KPI恢复。