[发明专利]数据异常检测方法、装置、设备及介质

权利要求书

1.一种数据异常检测方法，其特征在于，所述方法包括：

采集时间序列历史数据；

对所述时间序列历史数据进行预处理；

对预处理后的时间序列历史数据进行数据特性检测，获得数据模式；

根据所述数据模式，按照预设配置选择与其对应的数据处理模型；

基于所述数据处理模型，得到动态阈值区间；

获取待检测的时间序列实时数据，根据所述动态阈值区间确认是否数据异常；

当所述数据异常时，输出告警信息。

2.根据权利要求1所述的方法，其特征在于，所述数据特性检测包括周期性检测、趋势性检测，所述数据模式包括周期数据模式、趋势数据模式、随机数据模式，所述对预处理后的时间序列历史数据进行数据特性检测，获得数据模式，包括：

通过周期性检测判断预处理后的时间序列历史数据是否有周期，若是则判定预处理后的时间序列历史数据为周期数据模式；

若否则通过趋势性检测判断预处理后的时间序列历史数据是否有趋势，若是则判定预处理后的时间序列历史数据为趋势数据模式，若否则判定预处理后的时间序列历史数据为随机数据模式。

3.根据权利要求2所述的方法，其特征在于，所述根据所述数据模式，按照预设配置选择与其对应的数据处理模型，包括：

在所述数据模式为周期数据模式的情况下，选择周期数据处理模型对所述周期数据模式进行数据处理；

所述基于所述数据处理模型，得到动态阈值区间，包括：

获取所述周期数据模式中第一预设时长的第一子数据序列；

基于所述周期数据处理模型对所述第一子数据序列进行预测，得到一个完整周期的周期序列；

将所述周期序列中的最大值作为所述动态阈值区间的上限，将所述周期序列中的最小值作为所述动态阈值区间的下限。

4.根据权利要求2所述的方法，其特征在于，所述根据所述数据模式，按照预设配置选择与其对应的数据处理模型，包括：

在所述数据模式为趋势数据模式的情况下，选择趋势数据处理模型对所述趋势数据模式进行数据处理；

所述基于所述数据处理模型，得到动态阈值区间，包括：

获取所述趋势数据模式中当前时刻前第二预设时长的第二子数据序列；

计算所述第二子数据序列的平均值；

根据所述平均值计算所述第二子数据序列的标准差；

根据所述第二预设时长中第一预设时刻对应的所述第二子数据序列的数值，确定第一系数；

根据所述第一系数、所述平均值以及所述标准差，确定所述动态阈值区间。

5.根据权利要求2所述的方法，其特征在于，所述根据所述数据模式，按照预设配置选择与其对应的数据处理模型，包括：

在所述数据模式为随机数据模式的情况下，选择随机数据处理模型对所述随机数据模式进行数据处理；

所述基于所述数据处理模型，得到动态阈值区间，包括：

获取所述随机数据模式中当前时刻前第三预设时长的第三子数据序列；

获取所述第三子数据序列的四分位数；

根据所述第三预设时长中的第二预设时刻对应的所述第三子数据序列的数值，确定第二系数；

根据所述四分位数中的第一个四分位数、第三个四分位数以及所述第二系数，确定所述动态阈值区间。

6.根据权利要求2所述的方法，其特征在于，所述通过周期性检测判断预处理后的时间序列历史数据是否有周期，若是则判定预处理后的时间序列历史数据为周期数据模式，包括：

对所述时间序列历史数据进行傅里叶变换，得到频域数据；

从所述频域数据中获取样本子数据序列，所述样本子数据序列中的数据个数与所述时间序列历史数据中的数据个数相同；

根据所述样本子序列的数值和所述时间序列历史数据的数值，确定所述样本子数据序列和所述时间序列历史数据的相关系数；

在所述相关系数大于或等于预设系数阈值的情况下，确定所述时间序列历史数据为周期数据模式。