[发明专利]一种对时序KPI的异常检测的方法、装置及介质

权利要求书

1.一种对时序KPI的异常检测的方法，其特征在于，包括：

获取时序数据；

获取所述时序数据的原始的显著性特征序列；其中显著性特征用于表征所述时序数据中的异常数据；

将所述原始的显著性特征序列进行分解并获取分解后的各个分量；

将各所述分量进行拟合并将拟合后的各个分量上的值相加以便获取重构的显著性特征序列；

获取所述原始的显著性特征序列与所述重构的显著性特征序列的差值；

根据所述差值获取所述时序数据中的异常数据。

2.根据权利要求1所述的对时序KPI的异常检测的方法，其特征在于，所述获取所述时序数据的原始的显著性特征序列包括：

将所述时序数据进行傅里叶变换；

通过所述傅里叶变换获取所述时序数据的频谱信息；

根据所述频谱信息获取所述时序数据的相位谱信息以及幅度谱信息；

根据阈值对所述幅度谱信息进行谐调处理以便增强所述幅度谱信息的显著性特征；

通过傅里叶逆变换将所述相位谱信息以及增强显著性特征的所述幅度谱信息转换为空域上的数据；

通过高斯滤波器将所述空域上的数据进行平滑化处理以便输出所述时序数据的原始的显著性特征序列。

3.根据权利要求2所述的对时序KPI的异常检测的方法，其特征在于，所述将所述原始的显著性特征序列进行分解并获取分解后的各个分量包括：

通过小波分解将所述原始的显著性特征序列分解为n个高频分量以及1个低频分量；其中所述n等于所述小波分解的次数；

获取所述高频分量以及所述低频分量。

4.根据权利要求3所述的对时序KPI的异常检测的方法，其特征在于，所述将各所述分量进行拟合并将拟合后的各个分量上的值相加以便获取重构的显著性特征序列包括：

通过ARIMA算法对各所述分量进行拟合；

将拟合后的各个所述分量上的值相加并获取相加后的结果；

将所述相加后的结果作为所述重构的显著性特征序列。

5.根据权利要求4所述的对时序KPI的异常检测的方法，其特征在于，所述根据所述差值获取所述时序数据中的异常数据包括：

通过3-sigma算法对所述差值进行检测；

将超出3个标准差的值作为所述时序数据中的所述异常数据。

6.根据权利要求1所述的对时序KPI的异常检测的方法，其特征在于，所述获取时序数据包括：

按照固定频率采集所述时序数据。

7.根据权利要求1至6任意一项所述的对时序KPI的异常检测的方法，其特征在于，在所述根据所述差值获取所述时序数据中的异常数据之后，还包括：

对所述异常数据进行上报。

8.一种对时序KPI的异常检测的装置，其特征在于，包括：

第一获取模块，用于获取时序数据；

第二获取模块，用于获取所述时序数据的原始的显著性特征序列；其中所述显著性特征用于表征所述时序数据中的异常数据；

分解及获取模块，用于将所述原始的显著性特征序列进行分解并获取分解后的各个分量；

相加模块，用于将各所述分量进行拟合并将拟合后的各个分量上的值相加以便获取重构的显著性特征序列；

第三获取模块，用于获取所述原始的显著性特征序列与所述重构的显著性特征序列的差值；

第四获取模块，用于根据所述差值获取所述时序数据中的异常数据。

9.一种对时序KPI的异常检测的装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的对时序KPI的异常检测的方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的对时序KPI的异常检测的方法的步骤。