[發明專利]一種時間序列數據特征提取及分類方法

在審

• 申請號: 202110601941.0
• 申請日: 2021-05-31
• 公開（公告）號: CN113297439A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 陳靖;林祺;王德昊;郭永該;郭宇
• 申請（專利權）人: 中電福富信息科技有限公司
• 主分類號: G06F16/903
• 分類號: G06F16/903;G06F16/906
• 代理公司: 福州君誠知識產權代理有限公司 35211
• 代理人: 彭東

本發明公開一種時間序列數據特征提取及分類方法，首先對時間序列數據進行數據規整處理，使數據點之間具有相同的時間間隔；規整后的時間序列數據剔除時間序列數據中存在的異常點；對于時間序列數據中原本存在的缺失值及被剔除的異常值進行數據補充，對時間序列數據作簡單移動平均；對簡單移動平均后的時間序列數據做平穩性校驗，以此判斷時間序列數據特征是否為平穩或是波動；按照設定的周期長度切分數據；將相鄰的兩個時間序列數據段兩兩做皮爾遜相關系數計算，得到皮爾遜相關系數數組，取數組中的中位數為最終的相關系數，當相關系數大于或等于閾值，則判定該時間序列具有相應的周期性質；根據提取到的數據特征對時間序列數據進行分類。本發明提高了時間序列數據異常檢測的準確性。

技術領域

本發明尤其涉及一種時間序列數據特征提取及分類方法。

背景技術

目前在時間序列數據異常檢測方面已有許多成熟的異常檢測算法，但是異常檢測算法大多不具有普適性，同一種檢測算法在面對不同類型的時間序列數據時，檢測準確性往往大相徑庭。所以亟待提出一種能夠提取時間序列數據的特征并加以分類的方法，使得可以根據時間序列數據的不同類型選取最佳的異常檢測算法，以達到提高異常檢測準確度的目的。

發明內容

本發明的目的在于提供一種時間序列數據特征提取及分類方法。

本發明采用的技術方案是：

一種時間序列數據特征提取及分類方法，其包括以下步驟：

步驟1，首先對時間序列數據進行數據規整處理，使數據點之間具有相同的時間間隔；

步驟2，規整后的時間序列數據剔除時間序列數據中存在的異常點，以降低異常數據對于時間序列數據所屬類型判別所造成的影響；

步驟3，對于時間序列數據中原本存在的缺失值及被剔除的異常值進行數據補充，

步驟4，對時間序列數據作簡單移動平均，以削弱短期的偶然因素引起的數據波動；

步驟5，對簡單移動平均后的時間序列數據做平穩性校驗，以此判斷時間序列數據特征是否為平穩或是波動；

步驟6，按照設定的周期長度（1天/周/月）切分數據；將相鄰的兩個時間序列數據段兩兩做皮爾遜相關系數計算，得到皮爾遜相關系數數組，取數組中的中位數為最終的相關系數，當相關系數大于或等于閾值，則判定該時間序列具有相應的周期性質；

步驟7，根據提取到的數據特征對時間序列數據進行分類，便于進行進一步的數據分析。

進一步地，作為一種較優實施方式，步驟2使用三倍標準差方法剔除時間序列數據中存在的異常點。

進一步地，作為一種較優實施方式，步驟3中數據補充使相同時間長度下的時間序列數據具有相同的數據點數，便于對時間序列數據進行特征提取處理。

進一步地，作為一種較優實施方式，步驟3中數據補充方法選用擬合樣條或插值。

進一步地，作為一種較優實施方式，步驟6中閾值取值為0.6，即當相關系數大于或等于0.6時，則判定該時間序列具有相應的周期性質。

本發明采用以上技術方案，具有如下優點：1）可替代傳統人工依靠自身經驗對數據特征進行判斷，提高工作效率；2）高效快速的提取分類時間序列數據的特征，對于異常檢測算法的選取工作提供了很大的幫助；3）通過提取到的數據特征對數據加以分類，可以高效的處理大批量的時間序列數據，對特征提取后的數據分析工作提供了很大的幫助。

附圖說明

以下結合附圖和具體實施方式對本發明做進一步詳細說明；

圖1為本發明一種時間序列數據特征提取及分類方法的流程示意圖。

具體實施方式

為使本申請實施例的目的、技術方案和優點更加清楚，下面將結合本申請實施例中的附圖對本申請實施例中的技術方案進行清楚、完整地描述。