数据分解方法、设备和存储介质技术

本发明专利技术提供一种数据分解方法、设备和存储介质，该方法包括：在当前的第一时间，获取第二时间之后从目标对象采集的第一时间序列数据，以及第一时间之前从目标对象采集的第二时间序列数据所对应的周期分量向量；根据第一时间序列数据、设定的第一权重向量、第二权重向量和周期分量向量，构建用于对目标数据进行周期趋势分解的第一线性方程组；获取第二系数矩阵的因式分解结果中的目标子矩阵；根据目标子矩阵对第一系数矩阵进行因式分解，以根据第一系数矩阵的因式分解结果求解第一线性方程组，以确定目标数据对应的周期分量和趋势分量。本发明专利技术降低了计算的复杂度，提高了时间序列数据的分解效率。分解效率。分解效率。

【技术实现步骤摘要】
数据分解方法、设备和存储介质


[0001]本专利技术涉及互联网
，尤其涉及一种数据分解方法、设备和存储介质。

技术介绍

[0002]随着物联网、云计算等领域的飞速发展，针对某系统，可以采集系统运行时产生的海量的时间序列数据以观测系统的运行状况，在一些实际应用场景中，采集的频率可能较高，比如为分钟级甚至秒级。通过对这些时间序列数据进行异常检测或预测，可以实时地检测出系统的异常或预防未来故障的发生。
[0003]可以通过某种周期趋势分解(Seasonal
‑
Trend Decomposition，简称STD)方法对时间序列数据进行周期、趋势、残差分量的分解，基于分解结果便可以进行异常检测任务、未来时间数据值的预测任务的处理。
[0004]STD方法最初在经济学领域里被提出，被广泛的应用于观测经济现状以及预测未来经济走势。但经济学里的时间序列数据的采样频率很低，往往每周每个月甚至每个季度采集一个点，并且需要分析的时间序列数量往往也是有限的。由此，传统的STD方法往往是离线或者说是批处理的方法，即输入一条完整的时本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据分解方法，其特征在于，包括：在第一时间，获取第二时间之后从目标对象采集的第一时间序列数据，以及所述第一时间之前从所述目标对象采集的第二时间序列数据所对应的周期分量向量，其中，所述第二时间早于所述第一时间，所述第一时间序列数据中包括所述第一时间采集的目标数据，所述第二时间序列数据对应的时间长度为设定的周期长度；根据所述第一时间序列数据、设定的第一权重向量、第二权重向量和所述周期分量向量，构建用于对所述目标数据进行周期趋势分解的第一线性方程组，所述第一线性方程组中包括第一系数矩阵；获取第二系数矩阵的因式分解结果中的目标子矩阵，所述第二系数矩阵是用于对第三时间采集的数据进行周期趋势分解的第二线性方程组中包含的系数矩阵，所述第三时间是所述第一时间的前一采集时间，所述目标子矩阵是根据所述第一系数矩阵与所述第二系数矩阵中的相同取值区域确定的；根据所述目标子矩阵对所述第一系数矩阵进行因式分解，以根据所述第一系数矩阵的因式分解结果求解所述第一线性方程组，以确定所述目标数据对应的周期分量和趋势分量。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述目标数据对应的周期分量更新所述周期分量向量；根据所述目标数据对应的趋势分量和更新后的周期分量向量，预测未来设定时间采集的数据。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据所述目标数据对应的周期分量和趋势分量，确定所述目标数据对应的残差分量；根据所述残差分量对所述目标数据进行异常检测处理。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取所述第二时间之前从所述目标对象采集的多个数据，所述多个数据所对应的时间长度是所述周期长度的多倍；获取所述第二时间之后设定数量的采集时间从所述目标对象采集的所述设定数量的数据，所述第一时间至少与所述第二时间相差所述设定数量的采集时间；采用批处理的周期趋势分解方法，对所述第二时间之前采集的所述多个数据以及所述第二时间之后采集的所述设定数量的数据进行分解处理。5.根据权利要求1所述的方法，其特征在于，对所述第一线性方程组进行设定迭代次数的求解；所述第一权重向量和第二权重向量初始化为各元素的取值均为一；其中，在第i+1次迭代过程，根据所述第i次迭代过程对应的第一线性方程组的目标求解结果更新所述第一权重向量和第二权重向量中与所述第一时间对应的元素值，并根据更新后的第一权重向量和第二权重向量构建所述第i+1次迭代过程对应的第一线性方程组以进行求解；其中，所述目标求解结果中包括所述第一时间及之前两个采集时间分别采集的数据所对应的趋势分量。6.根据权利要求...

【专利技术属性】
技术研发人员：何晓，李也，谭剑，吴斌，李飞飞，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：