本发明专利技术公开了一种时间序列数据的周期检测方法、装置及设备。方法包括：获得运维系统的不含趋势成分的目标时间序列数据；根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；将所述预设数量个频率成分转换到时域，得到时域数据；根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定原始时间序列数据的周期。本发明专利技术的方案可有效解决运维时间序列周期性检测过程中的周期漂移问题，提高时间序列数据周期检测的准确率。期检测的准确率。期检测的准确率。
【技术实现步骤摘要】
一种时间序列数据的周期检测方法、装置及设备
[0001]本专利技术涉及运维系统时间序列数据处理
，特别是指一种时间序列数据的周期检测方法、装置及设备。
技术介绍
[0002]伴随人工智能、云计算、大数据、物联网等技术创新，运维系统从传统运维流程化管理逐步向智能化演进，如今智能运维已被广泛应用于多个领域。在智能运维领域的海量运维数据中，由一系列时间戳和对应数值组成的时间序列数据是最重要的数据类型之一。时间序列数据的周期性检测是指运用算法判断一维时间序列中是否存在周期，存在几个周期及每个周期的长度，可广泛的应用于时间序列周期性检测、周期性提取以及与异常检测相结合等多种运维场景。
[0003]在运维场景中，时序数据通常只包含天周期、周周期和月周期三种类型的周期。但在实际应用中，运维时间序列数据存在着另一个严重问题：周期漂移问题。例如，天周期的长度本应为24小时，但由于具体业务的原因，一条数据检测出的实际周期长度可能同时包含23.9小时、24小时以及24.1小时等，这导致现有技术中的时间序列周期性检测方法均无法准确检测出存在周期漂移的运维时间序列数据的所有周期。
技术实现思路
[0004]本专利技术提供一种时间序列数据的周期检测方法、装置及设备，解决现有技术中对运维系统的时间序列数据的周期检测无法有效处理周期漂移的问题。
[0005]为解决上述技术问题，本专利技术的技术方案如下：一种时间序列数据的周期检测方法，包括：获得运维系统的不含趋势成分的目标时间序列数据；根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；将所述预设数量个频率成分转换到时域，得到时域数据；根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定原始时间序列数据的周期。
[0006]可选的，获得运维系统的不含趋势成分的目标时间序列数据，包括：获得运维系统的原始时间序列数据；对所述原始时间序列数据进行预处理，得到预处理后的时间序列数据；对所述预处理后的时间序列数据进行趋势检测，在存在趋势成分的情况下，获得趋势成分；将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间序列数据。
[0007]可选的，将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间
序列数据，包括：利用过滤器从原始时间序列数据中分解出趋势成分数据，并将原始时间序列数据与趋势成分数据逐点计算差值，以将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间序列数据。
[0008]可选的，根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分，包括：对所述目标时间序列数据进行傅立叶变换，将所述目标时间序列数据从时域转化到频域，得到频域数据；计算所述频域数据的能量密度谱；将所述能量密度谱中，按照能量占比按从大到小顺序排列，获得前预设数量个频率成分。
[0009]可选的，将所述预设数量个频率成分转换到时域，得到时域数据，包括：将所述预设数量个频率成分进行傅立叶逆变换，得到时域数据。
[0010]可选的，根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定所述原始时间序列数据的周期，包括：计算时域数据的自相关函数值，得到自相关序列；提取所述自相关序列的峰值并计算峰值间隔；将所述自相关序列的峰值间隔，按照峰值间隔的长度进行聚类处理，得到至少一个类簇；将具有最多峰值间隔的类簇的聚类中心的值，确定为原始时间序列数据的周期。
[0011]可选的，时间序列数据的周期检测方法，还包括：若所述至少一个类簇中的目标类簇中的所有峰值间隔均低于预设阈值，则确定所述原始时间序列数据的周期不存在。
[0012]本专利技术的实施例还提供一种时间序列数据的周期检测装置，包括：获取模块，用于获得运维系统的不含趋势成分的目标时间序列数据；处理模块，用于根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；将所述预设数量个频率成分转换到时域，得到时域数据；根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定原始时间序列数据的周期。
[0013]本专利技术的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。
[0014]本专利技术的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。
[0015]本专利技术的上述方案至少包括以下有益效果：本专利技术的上述方案，通过获得运维系统的不含趋势成分的目标时间序列数据；根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；将所述预设数量个频率成分转换到时域，得到时域数据；根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定所述原始时间序列数据的周期，从而可以将存在漂移的周期聚成一类，可有效解决运维时间序列周期性检测过程中的周期漂移问题，提高周
期检测准确率。
附图说明
[0016]图1为本专利技术实施例提供的时间序列数据的周期检测方法流程图；图2为本专利技术实施例提供的时间序列数据的周期检测方法的一具体实现流程图；图3为本专利技术实施例中，输入的包含缺失值的原始时间序列数据的示意图；图4为本专利技术实施例中，填充缺失值后得到的预处理后的时间序列数据的示意图；图5为本专利技术实施例中，拟合的趋势与输入的时间序列数据对比图；图6为本专利技术实施例中，剔除趋势成分后的数据示意图；图7为本专利技术实施例中，数据转换到频域后的能量密度谱；图8为本专利技术实施例中，能量最高的频率成分转化到时域后的数据；图9为本专利技术实施例中，时域数据的自相关ACF序列图；图10为本专利技术实施例提供的时间序列数据的周期检测装置的模块示意图。
具体实施方式
[0017]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。
[0018]如图1所示，本专利技术的实施例提供一种时间序列数据的周期检测方法，包括：步骤11，获得运维系统的不含趋势成分的目标时间序列数据；步骤12，根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；步骤13，将所述预设数量个频率成分转换到时域，得到时域数据；步骤14，根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定原始时间序列数据的周期。
[0019]本专利技术的该实施例，通过获得运维系统的不含趋势成分的目标时间序列数据；根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；将所述预设数量个频率成分转换到时域，得到时域数据；根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定所述原始时间序列数据的周期，从而可以将存在漂移的周期聚成一类，可有效解决运维时间序列周期性检本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种时间序列数据的周期检测方法，其特征在于，包括：获得运维系统的不含趋势成分的目标时间序列数据；根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分；将所述预设数量个频率成分转换到时域，得到时域数据；根据所述时域数据的自相关序列的峰值间隔的聚类结果，确定原始时间序列数据的周期。2.根据权利要求1所述的时间序列数据的周期检测方法，其特征在于，获得运维系统的不含趋势成分的目标时间序列数据，包括：获得运维系统的原始时间序列数据；对所述原始时间序列数据进行预处理，得到预处理后的时间序列数据；对所述预处理后的时间序列数据进行趋势检测，在存在趋势成分的情况下，获得趋势成分；将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间序列数据。3.根据权利要求2所述的时间序列数据的周期检测方法，其特征在于，将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间序列数据，包括：利用过滤器从原始时间序列数据中分解出趋势成分数据，并将原始时间序列数据与趋势成分数据逐点计算差值，以将所述趋势成分从所述预处理后的时间序列数据中去除，得到目标时间序列数据。4.根据权利要求1所述的时间序列数据的周期检测方法，其特征在于，根据所述目标时间序列数据的能量密度谱，确定能量占比按从大到小顺序排列的预设数量个频率成分，包括：对所述目标时间序列数据进行傅立叶变换，将所述目标时间序列数据从时域转化到频域，得到频域数据；计算所述频域数据的能量密度谱；将所述能量密度谱中，按照能量占比按从大到小顺序排列，获得前预设数量个频率成分。5.根据权利要...
【专利技术属性】
技术研发人员：徐昕军，严川，张博，
申请(专利权)人：云智慧北京科技有限公司，
类型：发明
国别省市：
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。