[發明專利]一種異常檢測方法在審
| 申請號： | 202110226781.6 | 申請日： | 2021-03-01 |
| 公開（公告）號： | CN112966016A | 公開（公告）日： | 2021-06-15 |
| 發明（設計）人： | 徐夢璇;張丹;熊曉菁 | 申請（專利權）人： | 北京青萌數海科技有限公司 |
| 主分類號： | G06F16/2458 | 分類號： | G06F16/2458 |
| 代理公司： | 北京智沃律師事務所 11620 | 代理人： | 吳志宏 |
| 地址： | 100022 北京市朝陽*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 異常 檢測 方法 | ||
1.一種異常檢測的方法，其特征在于，包括：
獲取待檢測時序數據；
獲取所述待檢測時序數據的周期樣本數；
根據所述待檢測時序數據的周期樣本數，確定滑動窗口長度；
在每個所述待檢測時序數據的時間點，獲取長度為所述滑動窗口長度的子序列，并將所述子序列輸入異常檢測模型中，獲取目標數據；
將每個所述時間點對應的所述目標數據建模，獲取所述待檢測時序數據中的異常時間點。
2.根據權利要求1所述的方法，其特征在于，所述獲取所述待檢測時序數據的周期樣本數，包括：
將所述待檢測時序數據通過傅里葉變換，并獲取功率譜密度圖；
根據所述功率譜密度圖，獲取所述待檢測時序數據的周期樣本數。
3.根據權利要求2所述的方法，其特征在于，所述根據所述待檢測時序數據的周期樣本數，確定滑動窗口長度，包括：
所述滑動窗口長度為所述待檢測時序數據的周期樣本數的五倍。
4.根據權利要求2所述的方法，其特征在于，所述在每個所述待檢測時序數據的時間點，獲取長度為所述滑動窗口長度的子序列，并將所述子序列輸入異常檢測模型中，獲取目標數據，具體包括：
在每個所述待檢測時序數據的時間點，獲取長度為所述滑動窗口長度的子序列；
獲取所述子序列的殘差項；
根據所述殘差項，獲取所述子序列的目標統計值；
其中，所述目標統計值為所述子序列中最后一個數據的統計值。
5.根據權利要求4所述的方法，其特征在于，所述獲取所述子序列的殘差項，包括：
將所述子序列通過STL算法；
獲取所述子序列的殘差值。
6.根據權利要求5所述的方法，其特征在于，所述根據所述殘差項，獲取所述子序列的目標統計值；其中，所述目標統計值為所述子序列中最后一個數據的統計值，包括：
根據所述殘差項，獲取所述殘差項的中位數median(r(xw(t)))，所述殘差項的中位數絕對偏差值MAD(r(xw(t)))；
將所述殘差項，所述殘差項的中位數median(r(xw(t)))以及所述殘差項的中位數絕對偏差值MAD(r(xw(t)))輸入到參數公式中，獲取所述子序列的目標統計值；
其中，所述目標統計值為所述子序列中最后一個數據的統計值。
7.根據權利要求6所述的方法，其特征在于，所述參數公式，包括：
其中，D為所述目標統計值，xw(t)為所述子序列，xt為所述子序列中最后一個數據，r(xw(t))為所述子序列的殘差項，r(xt)為所述子序列中最后一個數據的殘差項。
8.根據權利要求7所述的方法，其特征在于，包括：所述殘差項的中位數絕對偏差值MAD(r(xw(t)))通過所述中位數絕對偏差公式獲取；
其中，所述中位數絕對偏差公式為：
MAD(r(xw(t)))＝median(|r(xi)-median(r(xw(t)))|)。
9.根據權利要求8所述的方法，其特征在于，所述獲取所述子序列的殘差項后，還包括：
將所述殘差項劃分為第一數據和第二數據；
在所述第二數據滿足預設條件的情況下，判斷所述第二數據為異常數據。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京青萌數海科技有限公司，未經北京青萌數海科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110226781.6/1.html，轉載請聲明來源鉆瓜專利網。
