一种时间序列数据异常检测方法与装置制造方法及图纸

本发明专利技术公开了一种时间序列数据异常检测方法，包括以下步骤：定义时间序列中数据点di的邻居节点；计算数据点di的邻居节点的均值；计算绝对误差值ei(k)，累积变化量ACi；设定阈值τ，分别比较上述计算得到的绝对误差值ei(k)、累积变化量ACi和阈值τ之间的大小关系：如果ei(k)>τ或ACi>τ，则标记为异常点，否则，保留。本发明专利技术还公开一种时间序列数据异常检测装置。本发明专利技术的数据点异常的判定和该数据点的邻居节点相关，这体现了“局部”的概念。邻居节点窗口宽度可依据不同时段的具体需求进行动态调整，保证了不同时段情况下的参数局部最优，能有效检测出时间序列中的异常数据，具有广泛的应用前景。

【技术实现步骤摘要】

本专利技术属于数据管理及业务支撑领域，涉及信息采集及信息处理过程中的数据质量控制，具体涉及一种实时时间序列异常数据的检测方法及装置。
技术介绍
随着互联网为代表的计算机信息技术的高速发展和传感器技术的广泛应用，人们在生产和生活中积累了海量的数据。对这些正呈现爆炸式增长的数据处理己经超出了人们的能力范围。数据挖掘作为一门融合了统计学方法、数据库技术、人工智能网络、可视化方法、高性能计算等学科和领域的新兴技术，能帮助人们及时发掘出有用的信息和丰富的知识，提高系统的预测分析能力和决策支持能力，因而得到了广泛的应用和推广。异常检测是数据挖掘中的四类知识发现任务之一，其目的在于发现数据集中的小 概率事件或模式，即与其它数据行为或模型明显不一致的数据对象(异常点)。所谓异常(或称孤立点，异常点，下同)是指数据库(集)中与其他数据表现不一致或者大大地偏离其他数据点以至于怀疑它是由不同的机制生成的小部分对象。当信息系统采集的数据用于建模时，系统中存在的异常点不仅无法有效地建模并描述系统，而且会降低数据质量，并对数据分析、管理和决策水平产生不良影响。为了提高信息系统表达的准确性和可靠性，保证系统模型本文档来自技高网...

【技术保护点】
一种时间序列数据异常检测方法，设定时间序列D={d1=(v1,t1),d2=(v2,t2),...dn=(vn,tn)}，时间序列数据di=(vi，ti)表示ti时刻的观测值vi，其特征在于，包括以下步骤：(1)、定义时间序列中数据点di的邻居节点其中，k为数据点di的邻居节点窗口宽度；(2)、计算数据点di的邻居节点的均值(3)、分别计算数据点di和邻接点均值之间的绝对误差值数据点di与其邻接点之间的累积变化量ACi；(4)、设定时间序列数据异常检测阈值τ，分别比较上述计算得到的绝对误差值累积变化量ACi和阈值τ之间的大小关系：如果ei(k)>τ或ACi>τ，则标记di为异常点，否则，保留d...

【技术特征摘要】

【专利技术属性】
技术研发人员：余宇峰，朱跃龙，万定生，李士进，张建新，杨方，
申请(专利权)人：河海大学，南京河海科技有限公司，
类型：发明
国别省市：