[發明專利]一種時間序列相關性檢測方法、設備及存儲介質

在審

• 申請號: 202010526892.4
• 申請日: 2020-06-10
• 公開（公告）號: CN111858699A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 謝江軒
• 申請（專利權）人: 新華三技術有限公司
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本公開提供了一種時間序列相關性檢測方法、設備及存儲介質，該方法使用滑動窗口對兩個時間序列進行滑動平均處理，得到兩個平滑時間序列，然后針對兩個平滑時間序列分別循環迭代執行交錯平移相關性計算處理步驟，然后將交錯平移相關性計算處理步驟計算得到的交錯相關系數中的最大值確定為兩個時間序列相關系數，從而確定兩個序列的相關性。本公開使用滑動窗口方法配合交錯平移相關性計算處理步驟中獲得的最大交錯相關系數，能夠檢測出具有錯峰關聯的時間序列間的關聯性。使用滑動平均的方法大幅減少時間序列的噪聲對交叉最大互信息系數造成的影響。

技術領域

本公開涉及通信領域，尤其涉及一種時間序列相關性檢測方法、設備及存儲介質。

背景技術

時間序列(time series)是一組按照時間發生先后順序進行排列的數據點序列。時間序列廣泛應用于信號處理、模式識別、天氣預報、地震預測、腦電圖、控制工程、航空學、通信工程以及絕大多數涉及到時間數據測量的應用科學與工程學。在網絡智能運維系統中，常見的指標，比如設備CPU使用率，設備溫度，接入控制(Access Control，AC)節點上的上下行數據流量、設備丟包率等等隨時間先后順序排列的指標數據都屬于時間序列，對時間序列建立分析模型進行分析可以掌握這些指標的變化規律，以實現對指標的未來變化趨勢進行預測的目的；

時間序列關聯分析，就是分析時間序列間的相似程度，關聯性越強，說明兩個時間序列相似程度越高；在智能運維中，假設A，B兩個網絡或設備指標關聯性強，如果A指標在某一時刻出現了異常，那么B指標就有很大可能也出現異常，通過兩個指標間的關聯性就可以提前“預知”可能的異常，及時進行處理。在根因分析中，關聯分析也可以幫助定位可能的因果關系。

計算兩個時間序列之間的相關系數并判斷這兩條時間序列是否存在強關聯性的步驟通常包括：

S1、獲得兩個原始時間序列X,Y。

S2、截取t至t+a時刻的時間序列x,y，目的是為了統一時間序列長度。

S3、計算x,y之間的最大互信息，計算方式為先對兩個時間序列x，y作散點圖，然后對散點圖作i行j列的網格化，使散點落在不同的網格內；預設指定的i,j值后，可能有多種網格化方案，分別計算這些網格化方案的互信息值，并取最大值作為最大互信息。實際過程中可以調用python的minepy包進行運算。

S4、根據MIC(Maximal Information Coefficient，最大互信息系數)的值判斷原始時間序列是否相關。一般認為，若MIC大于等于0.8，則說明這兩個時間序列強相關，若MIC大于等于0.5小于0.8，則兩個時間序列弱相關，若MIC小于0.5，則兩個時間序列不相關。

實際場景下，原始時間序列里具有大量的噪聲，不進行處理的話，會很難發現噪聲下隱藏的規律，會導致MIC的值偏低，影響對相關性的判斷。

假設兩個完全相關的時間序列y和z，z是由時間序列y乘3倍再加上一個標準正態隨機噪聲得到，但y與z的MIC值可能為0.769，只能確認y與z存在弱相關，如果排除這個隨機噪聲，y與z的MIC值為變為1。

實際場景中，時間序列的相關性可能出現滯后現象，即可能出現時間序列X的t至t+a時刻部分與時間序列Y的t至t+a時刻部分不相關/弱相關，但是和Y的t+b至t+b+a時刻部分卻是強相關，現有的檢測方法不能很準確地檢測出此類時間序列的相關性。

發明內容

有鑒于此，為了提高時間序列的檢測準確度，基于本公開實施例的一方面，提供了一種時間序列相關性檢測方法，所述方法包括：

步驟A.使用滑動窗口分別對第一時間序列和第二時間序列進行滑動平均處理，得到第一平滑時間序列和第二平滑時間序列；