[发明专利]一种业务数据的时间序列可复用异常检测方法及系统

权利要求书

1.一种业务数据的时间序列可复用异常检测方法，其特征在于，包括：

步骤1：获取业务历史数据，根据数据平稳性、周期性、相关性和时间粒度对业务数据进行检测；

步骤2：根据上述检测结果为所述业务数据匹配适合的时间序列算法，形成映射关系；

步骤3：使用映射的时间序列算法对所述业务数据进行建模，训练最优参数，将所述时间序列和算法的映射关系及参数保存在样本库；

步骤4：获取同一业务实时数据，根据步骤3样本库中的映射算法及最优参数对所述业务数据进行预测，根据预测结果确定预测区间；

步骤5：获取所述分析时间段的实际值，比较实际值和同时段预测区间的关系，连续超出预测范围10次以上进行告警。

2.根据权利要求1所述的业务数据的时间序列可复用异常检测方法，其特征在于：所述步骤1包括：

步骤1.1：通过ADF判断所述时间序列是否平稳；

步骤1.2：使用傅里叶变化判断所述时间序列是否具有周期性；

步骤1.3：利用Pearson相关系数判断所述时间序列是否具有相关性；

步骤1.4：根据业务特征判断所述时间序列的时间粒度。

3.根据权利要求2所述的业务数据的时间序列可复用异常检测方法，其特征在于：所述步骤2包括：

步骤2.1：探究时间序列算法原理，总结各类时间序列算法的应用场景和适用范围；

步骤2.2：将上述时间序列检测结果与时间序列算法做映射关系。

4.根据权利要求3所述的业务数据的时间序列可复用异常检测方法，其特征在于：所述步骤3包括：

步骤3.1：使用映射的时间序列算法对所述业务数据进行建模，训练最优参数；

步骤3.2：将所述时间序列和算法的映射关系及最优参数保存在样本库，作为后续同一业务实时数据做预测模型的依据。

5.根据权利要求4所述的业务数据的时间序列可复用异常检测方法，其特征在于：所述步骤4包括：

步骤4.1：获取样本库中同一业务数据的时间序列映射算法及最优参数，使用该算法对业务实时数据进行预测；

步骤4.2：计算所述业务实时数据的标准差，将预测结果增加或者减少一个标准差作为所述业务实时数据的预测区间。

6.一种业务数据的时间序列可复用异常检测系统，其特征在于，包括：

模块M1：获取业务历史数据，根据数据平稳性、周期性、相关性和时间粒度对业务数据进行检测；

模块M2：根据上述检测结果为所述业务数据匹配适合的时间序列算法，形成映射关系；

模块M3：使用映射的时间序列算法对所述业务数据进行建模，训练最优参数，将所述时间序列和算法的映射关系及参数保存在样本库；

模块M4：获取同一业务实时数据，根据模块M3样本库中的映射算法及最优参数对所述业务数据进行预测，根据预测结果确定预测区间；

模块M5：获取所述分析时间段的实际值，比较实际值和同时段预测区间的关系，连续超出预测范围10次以上进行告警。

7.根据权利要求6所述的业务数据的时间序列可复用异常检测系统，其特征在于：

所述模块M1包括：

模块M1.1：通过ADF判断所述时间序列是否平稳；

模块M1.2：使用傅里叶变化判断所述时间序列是否具有周期性；

模块M1.3：利用Pearson相关系数判断所述时间序列是否具有相关性；

模块M1.4：根据业务特征判断所述时间序列的时间粒度。

8.根据权利要求7所述的业务数据的时间序列可复用异常检测系统，其特征在于：

所述模块M2包括：

模块M2.1：探究时间序列算法原理，总结各类时间序列算法的应用场景和适用范围；

模块M2.2：将上述时间序列检测结果与时间序列算法做映射关系。