[发明专利]时间序列异常值检测方法及装置

说明书

技术领域

本发明涉及数据分析技术领域，特别是涉及一种时间序列异常值检测方法及装置。

背景技术

在自动化运维技术领域中，时间序列在过程工业、金融业以及通信业等各领域中普遍存在，通过时间序列异常值检测可提前发现系统运行问题，因此对时间序列分析研究受到很多学者的关注。在时间序列的众多研究课题中，时间序列异常值检测因其直接关系时间序列的质量成为时间序列研究的重点。

目前，一般通过单个的时间模型检测时间序列异常值，如通过动态线性模型，ARMA(Auto-Regressive and Moving Average Model，自回归滑动平均模型)以及季节性等模型检测时间序列异常值。即异常值检测主要取决于时间模型的预测效果，如果时间模型效果不稳定将会影响异常值检测的效果。

发明内容

有鉴于此，本发明提供一种时间序列异常值检测方法及装置，主要目的在于提高时间序列异常值的检测效果。

依据本发明一个方面，提供了一种时间序列异常值检测方法，包括：

根据历史时间序列训练第一时间模型和第二时间模型，第一时间模型和第二时间模型用于计算混合模型的预测值；

获取第一时间模型和第二时间模型分别对应的预测值、方差；

通过所述第一时间模型和第二时间模型分别对应的预测值、方差计算所述混合模型的预测值；

计算所述混合模型的预测值与所述历史时间序列的观测值之差得到白噪音分布；

将所述白噪音分布中不在正常置信区间的值确定为异常值。

依据本发明一个方面，提供了一种时间序列异常值检测装置，包括：

训练单元，用于根据历史时间序列训练第一时间模型和第二时间模型，第一时间模型和第二时间模型用于计算混合模型的预测值；

获取单元，用于获取第一时间模型和第二时间模型分别对应的预测值、方差；

计算单元，用于通过所述第一时间模型和第二时间模型分别对应的预测值、方差计算所述混合模型的预测值；

所述计算单元，还用于计算所述混合模型的预测值与所述历史时间序列的观测值之差得到白噪音分布；

确定单元，用于将所述白噪音分布中不在正常置信区间的值确定为异常值。

借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：

本发明实施例提供一种时间序列异常值检测方法及装置，与目前通过单个的时间模型检测时间序列异常值相比，本发明实施例利用模型混合的方法综合考虑多个模型的预测值得出最合理的预测值，因此只要多个时间模型中一个模型在数据序列上效果表现良好，那么混合模型将会在时间序列上取得良好的预测效果，从而通过本发明实施例提高了时间序列异常值的检测效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种时间序列异常值检测方法流程图；

图2示出了本发明实施例提供的时间序列异常值检测结果图；

图3示出了本发明实施例提供的一种时间序列异常值检测装置的结构框图；

图4示出了本发明实施例提供的另一种时间序列异常值检测装置的结构框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提供了一种时间序列异常值检测方法，如图1所示，该方法包括：

101、根据历史时间序列训练第一时间模型和第二时间模型。