【技术实现步骤摘要】
本专利技术涉及一种基于时序数据分析的异常数据判别方法和装置，属于时序数据分析领域。
技术介绍
1、时序数据是指按照时间顺序排列的一系列数据点，这些数据点通常是在相等的时间间隔内收集的。时序数据分析预测方法及系统在许多领域都有广泛的应用，如经济预测、气象预报、股票市场分析、能源需求预测等。随着计算机技术的飞速发展，时序数据分析预测已经成为研究热点。
2、传统方法通常利用ewma（exponentially weighted moving-average，指数加权移动平均算法）对不同时间段运行数据的均值确定平滑系数，然后根据平滑系数进行实时监测，该方法容易受到环境噪声影响，导致传统方法确定的平滑系数并不能较好地结合运行数据的变化情况，导致其准确性降低，使最终的异常数据判别结果存在较大误差。
技术实现思路
1、本专利技术的目的在于提供一种基于时序数据分析的异常数据判别方法和装置，解决现有技术中存在的异常数据判别准确性低的问题。
2、为实现以上目的，本专利技术是采用下述技术
本文档来自技高网...【技术保护点】
1.一种基于时序数据分析的异常数据判别方法，其特征在于，包括：
2.根据权利要求1所述的基于时序数据分析的异常数据判别方法，其特征在于，所述根据磷酸根浓度时间序列中相邻磷酸根浓度以及温度时间序列中相邻温度之间的差异情况计算若干邻域差异因子，通过以下公式进行：
3.根据权利要求1所述的基于时序数据分析的异常数据判别方法，其特征在于，所述根据邻域差异因子时间序列中邻域差异因子前后的邻域差异因子的变化趋势计算若干初始分段点，通过以下方法进行：
4.根据权利要求1所述的基于时序数据分析的异常数据判别方法，其特征在于，所述根据参考因子段中不同...
【技术特征摘要】
1.一种基于时序数据分析的异常数据判别方法，其特征在于，包括：
2.根据权利要求1所述的基于时序数据分析的异常数据判别方法，其特征在于，所述根据磷酸根浓度时间序列中相邻磷酸根浓度以及温度时间序列中相邻温度之间的差异情况计算若干邻域差异因子，通过以下公式进行：
3.根据权利要求1所述的基于时序数据分析的异常数据判别方法，其特征在于，所述根据邻域差异因子时间序列中邻域差异因子前后的邻域差异因子的变化趋势计算若干初始分段点，通过以下方法进行：
4.根据权利要求1所述的基于时序数据分析的异常数据判别方法，其特征在于，所述根据参考因子段中不同邻域差异因子之间的变化差异计算每个参考因子段的差异波动程度，通过以下公式进行：
5.根据权利要求1所述的基于时序数据分析的异常数据判别方法，其特征在于，所述根据参考因子段与整体参考因子段之间差异波动程度的占比情况，计算每个参考因子段的初始平滑参数，通过以下公式进行：
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。