[發明專利]一種時間序列數據的異常檢測方法、裝置及設備

有效

• 申請號: 202210002455.1
• 申請日: 2022-01-05
• 公開（公告）號: CN114020598B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 嚴川;張博
• 申請（專利權）人: 云智慧（北京）科技有限公司
• 主分類號: G06F11/34
• 分類號: G06F11/34
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明的實施例提供一種時間序列數據的異常檢測方法、裝置及設備，所述方法包括：獲得時間序列數據，所述時間序列數據中的多個數據點按時間順序等間隔排列；獲得所述時間序列數據中，當前時刻的數據點之前一滑動時間窗內的數據點的統計指標；根據所述當前時刻的數據點之前的所述滑動時間窗內的數據點的統計指標，判斷所述當前時刻的數據點是否為異常數據點。本發明的方案通過滑動時間窗檢測時間序列數據的異常狀態，提高了檢測結果的準確性，通過滑動時間窗口實現了對數據分布變化的自適應性，提高了異常檢測的效率。

技術領域

本發明涉及運維數據處理技術領域，特別是指一種時間序列數據的異常檢測方法、裝置及設備。

背景技術

運維領域中存在海量的監控數據，其中大部分KPI（關鍵績效指標）數據為時間序列（如交易量、訪問量、交易成功數等）。當企業的運維系統發生異常時，希望可以盡快準確的定位出根因的屬性，這對于傳統的運維人員而言是一個巨大的挑戰。快速準確找出指標異常是準確判定根因屬性的先決因素，現階段業界也有非常多的機器學習算法被用于解決上述異常檢測問題，但是受限于算法的通用性和可靠性，在實際落地效果中并難以有好的表現。這些算法無法實現海量指標下對時間序列數據的異常檢測的實時處理的性能需求。

發明內容

本發明提供了一種時間序列數據的異常檢測方法、裝置及設備，以提高數據檢測效率，以及檢測結果的準確性。

為解決上述技術問題，本發明的實施例提供一種時間序列數據的異常檢測方法，包括：

獲得時間序列數據，所述時間序列數據中的多個數據點按時間順序等間隔排列；

獲得所述時間序列數據中，當前時刻的數據點之前一滑動時間窗內的數據點的統計指標；

根據所述當前時刻的數據點之前的所述滑動時間窗內的數據點的統計指標，判斷所述當前時刻的數據點是否為異常數據點。

可選的，所述時間序列數據為X=[x₁,x₂,...x_i,...x_T]，其中，元素x_i表示時間序列數據中第i個時刻的數據點，T表示時間序列數據X的總長度；

所述滑動時間窗內的數據點構成的時間序列為：Y_h=[x_h-L，x_h-L+1，...，x_h-1]；所述滑動時間窗內的數據點的統計指標包括以下至少一項：均值；標準差；數據波動值；其中所述數據波動值為所述滑動時間窗內的數據點的最大值和最小值之差，L為滑動時間窗的長度，h為當前時刻。

可選的，

所述均值為：；

所述標準差為：；

所述數據波動值為：d=max(x_i)-min(x_i)；

其中，x為所述滑動時間窗內的數據點，下標i為數據點的索引。

可選的，根據所述當前時刻的數據點之前的所述滑動時間窗內的數據點的統計指標，判斷所述當前時刻的數據點是否為異常數據點，包括：

根據所述當前時刻的數據點與其之前的所述滑動時間窗內的數據點的統計指標之間滿足以下至少一種判斷條件時，判斷所述當前時刻的數據點為異常數據點，否則，判斷所述當前時刻的數據點為正常數據點；；

；；；

其中，x表示數據點，h為當前時刻，表示滑動時間窗Y_h內的數據點的均值、表示滑動時間窗Y_h內的數據點的標準差，表示滑動時間窗Y_h內的數據點的數據波動值，k，m，t，p為設定的參數。