[發明專利]一種時間序列中不定長的異常子序列檢測方法

在審

• 申請號: 202110226782.0
• 申請日: 2021-03-01
• 公開（公告）號: CN112966017A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 陳逸舟;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;G06F16/28
• 代理公司: 北京智沃律師事務所 11620
• 代理人: 吳志宏

1.一種時間序列中不定長的異常子序列檢測方法，包括以下步驟：

S1：輸入時間序列數據T，最小子序列長度min_len，最大子序列長度max_len，步長step；可選輸入近鄰個數k，k近鄰距離整合方法method，檢測異常子序列個數n_discords，并行進程數n_workers；

S2：根據設定的最小子序列長度min_len、最大子序列長度max_len以及步長step，確定目標子序列長度sub_len集合，針對集合中的每一個目標子序列長度sub_len，執行以下循環：

a)根據并行進程數n_workers，將時間序列T劃分為若干個時間序列子集T_worker；

b)在每一個進程中，應用STOMP算法，計算時間序列T中每一個子序列對于子集T_worker的局部近鄰矩陣mp_worker；

c)將各個進程的計算結果mp_worker進行整合，對于時間序列T中的每一個子序列，保留k個最近鄰的距離，并統計其中位數或均值，形成時間序列T在子序列長度sub_len上的k近鄰距離矩陣mp_{sub_len}；

S3：從各個目標子序列長度sub_len的k近鄰距離矩陣mp_{sub_len}中，計算得到k近鄰距離最大的n_discords個異常子序列；

S4：對于時間序列T中的每一個數據點t_i，計算其在各個長度的異常子序列中出現的次數，將出現次數超過一定閾值的點標記為最終檢測的異常值。

2.根據權利要求1所述的時間序列中不定長的異常子序列檢測方法，其特征在于：步驟S1中，k默認為1，k近鄰距離整合方法method默認為中位數，檢測異常子序列個數n_discords默認為3，并行進程數n_workers默認為4。

3.根據權利要求1所述的時間序列中不定長的異常子序列檢測方法，其特征在于：步驟S1中，時間序列數據T應包括時間列和數值列，表示該序列在每一個時間點上對應的數值，且每個時間點之間最好是等間隔的；最小子序列長度min_len、最大子序列長度max_len和步長step用于確定子序列的長度范圍，即在大于等于min_len，小于等于max_len的范圍內，每隔step取一個值作為目標子序列長度，針對這里獲得的目標子序列長度集合，依次執行S2a-S2c的循環計算。

4.根據權利要求1所述的時間序列中不定長的異常子序列檢測方法，其特征在于：步驟S2中，首次進行異常檢測使用k＝1，即最近鄰距離進行檢測，若發現結果中存在未能識別的相似異常模式，則增大k的值，通過k近鄰距離檢測異常。

5.根據權利要求3所述的時間序列中不定長的異常子序列檢測方法，其特征在于：步驟S2中，將時間序列T劃分為若干個時間序列子集T_worker時，在每一個并行進程中，輸入時間序列數據T、數據子集T_worker、目標子序列長度sub_len和近鄰個數k，初始化k近鄰距離矩陣matrix_profile_worker，其行數為n-sub_len+1，列數為k，初始值均為正無窮。

6.根據權利要求5所述的時間序列中不定長的異常子序列檢測方法，其特征在于：步驟S2中，對于數據子集T_worker中的每一個子序列T_{i,sub_len}，應用STOMP算法，通過快速傅里葉變換和移動點積的方式計算子序列T_{i,sub_len}與時間序列數據T中每一條子序列的距離，得到長度為n-sub_len+1的距離向量dist_{i,sub_len}。