[發明專利]一種面向連續被監測對象的異常檢測方法

有效

• 申請號: 201711436578.1
• 申請日: 2017-12-26
• 公開（公告）號: CN108038044B
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 肖利民;蘇書賓;阮利;張周杰;郝海東;李書攀;劉璽;王趙凱
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06F11/34
• 代理公司: 北京海虹嘉誠知識產權代理有限公司 11129
• 代理人: 吳小燦

1.一種面向連續被監測對象的異常檢測方法，其特征在于，包括以下步驟：

步驟1，收集表示被監測對象異常狀態的參數生成基于滑動窗口的連續監測數據流；

步驟2，對檢測算法進行初始化生成一個基于滑動窗口的數據集和一個被監測對象的異常值序列；

步驟3，查找當前時刻到達的數據對象的k鄰域對象并計算其局部離群系數；

步驟4，更新當前到達的數據對象的k鄰域對象的局部離群系數；

步驟5，計算歷史數據的局部離群系數對被監測對象當前時刻異常狀態判斷的參考價值；

步驟6，計算被監測對象當前時刻的離群系數；

步驟7，判定當前時刻被監測對象的可能異常狀態；

步驟8，更新監測數據流滑動窗口的數據集和被監測對象的異常值序列；

步驟9，確定被監測對象的異常狀態；

其中，步驟2對檢測算法進行初始化方法為：

首先取X(2nX3n，X∈(1,2,3,…,2n,…))個時刻的數據集進行局部離群量化計算，并計算各個時刻被監測對象的離群系數，然后從n到X中選取最近的被監測對象處于正常狀態的n個數據對象和n個離群系數做為初始的滑動窗口O^(t)＝{o_t-n,o_t-n+1,…,o_t-1,o_t}和初始的離群系數序列N_t＝[N^(t-n),N^(t-n+1),…,N^(t-1),N^(t)]；

所述離群系數序列即為所述異常值序列；

其中，步驟5計算歷史數據的局部離群系數i_t-1、i_t-2、i_t-n對被監測對象當前時刻異常狀態判斷的參考價值P^(t)可表示為：

P^(t)＝i_t-1e^-λ+i_t-2e^-2λ…+i_t-ne^-nλ

λ是控制歷史數據離群信息對當前時刻狀態判斷的參考價值隨時間的推移衰減速度的快慢，

其中，步驟6計算被監測對象O當前時刻t的離群系數N^(t)可表示為：

Q^(t)是局部離群系數，是表示滑動窗口中歷史數據信息對當前被監測對象的狀態判定的參考價值的大小；

其中，步驟7判定當前時刻被監測對象的可能異常狀態的方法包括：

步驟71，對滑動窗口的各個時刻的連續被監測對象的離群系數序列N_t進行排序，得到一個升序的異常值序列；

步驟72，計算升序異常值序列的四分位數和四分位距IQR；

步驟73，判斷當前時刻的被監測對象的離群系數是否超過上四分位數與四分位距之和，如果不超過說明被監測對象當前時刻處于正常狀態，如果超過說明被監測對象當前時刻可能出現異常或者瞬間波動狀態；

其中，步驟9確定被監測對象的異常狀態的方法為：

只有當被監測對象O連續兩次或者兩次以上的時刻出現異常的時候才最終確定被監測對象處于異常，否則為一次瞬態波動。

2.根據權利要求1所述的方法，其中，步驟4更新當前到達的數據對象o_t的k鄰域對象的局部離群系數的方法為：

對于o_t的鄰域對象中的任意一個點o_i(1≤i≤k)，和表示對象o_i當前時刻和前一個時刻的離群系數。

3.根據權利要求1所述的方法，其中，步驟8更新監測數據流滑動窗口的數據集和被監測對象的異常值序列的方法為：

如果當前時刻t被監測對象O為正常狀態時用最新監測采集的數據對象替換O^(t)中最早的數據對象，用當前時刻被監測對象的離群系數替換N_t中最早的離群系數；其它的保持滑動窗口數據集和異常值序列不變，并記錄當前時刻的被監測對象的狀態。