The invention provides a method, positioning device and burr anomaly computing devices, methods: to determine the sampling point sequence; determine the corresponding absolute difference sequence; according to the absolute differential sequence to determine the overall difference confidence interval; sampling point sequence input by the sliding window, the sliding window from the first scanning start point by scanning the sampling points to determine the mutation point; determine the current sampling point sliding window scanning sampling, to determine whether mutations in the local confidence interval; if not, then determine the current sampling point mutation; sliding window to continue scanning sampling points, according to the mutation point and a sample point difference positive and negative, down to determine the abnormal local confidence first drop point interval sampling value; if the mutation point to the first point down the sampling number is not greater than a preset number. Piece, the point at which the mutation point is to the first drop point is the burr anomaly point. The invention can realize the location of burr abnormal points in the monitoring system.
【技术实现步骤摘要】
一种定位毛刺异常点的方法、装置及计算设备
本专利技术涉及数据监控
,具体涉及一种定位毛刺异常点的方法、装置及计算设备。
技术介绍
监控系统在对业务数据的监控中应用较广,监控系统通过对业务监控项进行数据采样,可对采样数据进行分析,判断出业务是否发生故障,从而在业务故障时输出告警;监控系统如用于监控部门网管业务的部门网管业务监控告警系统等;监控系统所采样的数据中常会存在毛刺异常点,毛刺异常点为采样数据中出现脱离总体数据趋势的采样点,但毛刺异常点持续时间较短,并不是由于业务故障引起的,因此在采样到毛刺异常点时,并不能认定业务故障而输出告警;可见,为保证监控系统的正常运行,从所采样的数据中定位出毛刺异常点,显得尤为重要。目前毛刺异常点的定位方式主要有基于小波分析法的毛刺异常点定位、采用固定长度滑动窗口检测毛刺异常点等;在基于小波分析法定位毛刺异常点时,小波系数比较难控制,且算法需要依赖于ARMA(自回归滑动平均模型)、GARCH(广义自回归条件异方差模型)等经济学模型,这使得毛刺异常点的定位算法难度和复杂度均较大,并不适用于在监控系统中进行毛刺异常点的定位;采用固定长度滑动窗口检测毛刺异常点时,需要依赖适用于分段线性模型的FKD(KernelFisherDiscriminant)算法,而监控系统中绝大部分的业务的采样数据都不是分段线性模型,这使得采用固定长度滑动窗口检测毛刺异常点的方式,在监控系统的适用受到限制。可以看出,目前毛刺异常点的定位方式并无法很好的适用于监控系统,因此提供一种新的能够在监控系统中定位毛刺异常点的方法,以在监控系统中实现毛刺异常点的定 ...
【技术保护点】
一种定位毛刺异常点的方法,其特征在于,包括:确定采样点序列,所述采样点序列具有多个采样点及各采样点的采样值;根据所述采样点序列的采样值确定对应的绝对差分序列;根据所述绝对差分序列确定整体差分置信区间;将采样点序列输入滑动窗口,由滑动窗口从首个扫描点开始逐个扫描采样点,以根据采样点的绝对差分确定绝对差分不在所述整体差分置信区间内的突变判断点;判断滑动窗口扫描的当前采样点的采样值,是否在突变判断局部置信区间内,所述突变判断局部置信区间根据突变判断点前或前后的第一数量个点的采样值确定;若当前采样点的采样值不在所述突变判断局部置信区间内,则确定当前采样点为突变点;滑动窗口继续扫描采样点,根据突变点的差分正负,确定采样值回落到异常判断局部置信区间内的第一个回落点,所述异常判断局部置信区间根据突变判断点前或前后的第二数量个点的采样值确定;如果突变点至所述第一回落点之间的采样点个数不大于预置数量条件,则确定突变点至所述第一个回落点前的点是毛刺异常点。
【技术特征摘要】
1.一种定位毛刺异常点的方法,其特征在于,包括:确定采样点序列,所述采样点序列具有多个采样点及各采样点的采样值;根据所述采样点序列的采样值确定对应的绝对差分序列;根据所述绝对差分序列确定整体差分置信区间;将采样点序列输入滑动窗口,由滑动窗口从首个扫描点开始逐个扫描采样点,以根据采样点的绝对差分确定绝对差分不在所述整体差分置信区间内的突变判断点;判断滑动窗口扫描的当前采样点的采样值,是否在突变判断局部置信区间内,所述突变判断局部置信区间根据突变判断点前或前后的第一数量个点的采样值确定;若当前采样点的采样值不在所述突变判断局部置信区间内,则确定当前采样点为突变点;滑动窗口继续扫描采样点,根据突变点的差分正负,确定采样值回落到异常判断局部置信区间内的第一个回落点,所述异常判断局部置信区间根据突变判断点前或前后的第二数量个点的采样值确定;如果突变点至所述第一回落点之间的采样点个数不大于预置数量条件,则确定突变点至所述第一个回落点前的点是毛刺异常点。2.根据权利要求1所述的定位毛刺异常点的方法,其特征在于,所述突变判断局部置信区间的确定过程包括:根据突变判断点前的第一数量个点的采样值,确定突变判断点前的第一数量个点的均值及标准差,由所述突变判断点前的第一数量个点的均值及标准差形成所述突变判断局部置信区间;或,根据突变判断点前后的第一数量个点的采样值,确定突变判断点前后的第一数量个点的均值及标准差,由所述突变判断点前后的第一数量个点的均值及标准差形成所述突变判断局部置信区间;所述异常判断局部置信区间的确定过程包括:根据突变判断点前的第二数量个点的采样值,确定突变判断点前的第二数量个点的均值及标准差,由所述突变判断点前的第二数量个点的均值及标准差形成所述异常判断局部置信区间;或,根据突变判断点前后的第二数量个点的采样值,确定突变判断点前后的第二数量个点的均值及标准差,由所述突变判断点前后的第二数量个点的均值及标准差形成所述异常判断局部置信区间。3.根据权利要求1所述的定位毛刺异常点的方法,其特征在于,采样点以i表示,采样点的采样值以x(i)表示;所述根据所述采样点序列的采样值确定对应的绝对差分序列包括:根据公式{Δi}={Δi|Δi=|x(i+1)-x(i)|}计算采样点序列对应的绝对差分序列{Δi},其中Δi表示绝对差分,各采样点对应的绝对差分组成绝对差分序列{Δi},采样点i+1的绝对差分Δi,由i+1的采样值x(i+1)减去上一采样点的采样值x(i)后,取绝对值得到。4.根据权利要求1所述的定位毛刺异常点的方法,其特征在于,所述根据所述绝对差分序列确定整体差分置信区间包括:计算绝对差分序列{Δi}的均值miuabs及其对应的n倍标准差doutaabsn,以[miuabs-doutaabsn,miuabs+doutaabsn]表示所述整体差分置信区间。5.根据权利要求4所述的定位毛刺异常点的方法,其特征在于,所述方法还包括:去掉绝对差分序列{Δi}中的最大值和0值,计算去掉最大值和0值的绝对差分序列{Δi}的平均值,得到突变倍数阈值m0;所述根据采样点的绝对差分确定绝对差分不在所述整体差分置信区间内的突变判断点包括:确定绝对差分Δc-1为上一绝对差分Δc-2的至少m0倍,或者,绝对差分Δc-1不在所述整体差分置信区间内的突变判断点c。6.根据权利要求5所述的定位毛刺异常点的方法,其特征在于,所述确定绝对差分Δc-1为上一绝对差分Δc-2的至少m0倍的突变判断点c包括:如果上一绝对差分Δc-2不为0,则将绝对差分Δc-1除以Δc-2,若得到不小于m0的结果,则确定点c为突变判断点。7.根据权利要求6所述的定位毛刺异常点的方法,其特征在于,还包括:如果上一绝对差分Δc-2为0,则确定点c前n0个点的绝对差分均值将点c的绝对差分Δc-1除以若得到不小于m0的结果,则确定点c为突变判断点;其中,n0为预置的毛刺异常点数阈值;如果上一绝对差分Δc-2为0,且也为0,则确定所述滑动窗口的首个扫描点至点c的绝对差分均值将点c的绝对差分Δc-1除以若得到不小于m0的结果,则点c为突变判断点;其中t0为滑动窗口的首个扫描点;如果上一绝对差分Δc-2为0,为0,且也为0,则比较点c的绝对差分Δc-1与m0,如果Δc-1大于m0,则确定点c为突变判断点。8.根据权利要求6或7所述的定位毛刺异常点的方法,其特征在于,所述突变判断局部置信区间的确定过程包括:如果突变判断点c不是滑动窗口的首个扫描点,则确定首个扫描点至突变判断点c间所有点的均值μ1,及n倍标准差nδ1,以[μ1-nδ1,μ1+nδ1]表示突变判断局部置信区间;如果突变判断点c是滑动窗口的首个扫描点,则判断所述采样点序列的采样时间是否超过突变判断点c之后的kn0长度,n0为预置的毛刺点数阈值,k为预置数值;若是,回溯突变判断点c前后各n0个采样点,确定前后n0个采样点的均值μ2,及前后n0个采样点的n倍标准差nδ2,以[μ2-nδ2,μ2+nδ2]表示突变判断局部置信区间;若否,确定突变判断点c前n0个采样点的均值μ3,及n倍标准差nδ3,以[μ3-nδ3,μ3+nδ3]表示突变判断局部置信区间。9.根据权利要求8所述的定位毛刺异常点的方法,其特征在于,所述根据突变点的差分正负,确定采样值回落到异常判断局部置信区间内的第一个回落点包括:如果所确定的突变点为上凸点,则继续扫描采样点,确定采样值下降到异常判断局部置信区间的第一个回落点e;所述异常判断局部置信区间的确定过程包括:如果突变点为滑动窗口的首个扫描点,且所述采样点序列的采样时间超过突变判断点c之后的kn0长度,则回溯突变点前后各n0个采样点,确定前后n0个采样点的均值μ4,及前后n0个采样点的n倍标准差nδ4,以[μ4-nδ4,μ4+nδ4]表示异常判断局部置信区间;如果突变点不为滑动窗口的首个扫描点,或者,所述采样点序列的采样时间未超过突变判断点c之后的kn0长度,则确定突变点前n0个采样点的均值μ5,及n倍标准差nδ5,以[μ5-nδ5,μ5+nδ5]表示异常判断局部置信区间。10.根据权利要求8所述的定位毛刺异常点的方法,其特征在于,所述根...
【专利技术属性】
技术研发人员:陈爱明,裴泽良,张国鹏,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。