[发明专利]一种针对季节性时序数据序列中异常点的识别方法及系统

说明书

本发明提供了一种针对季节性时序数据序列中异常点的识别方法，包括以下步骤：所述数据处理模块提取数据的周期T₁、T₂、T₃、...、T_j，当前的时间n，以及数据采集频率i，根据所述周期(T₁、T₂、T₃、...、T_j)、当前时间n及数据采集频率i得出时序，并根据所述时序获取时序的相关测试数据，所述数据异常点检测模块根据模型异常点计算策略对所述时序相关的测试数据进行异常检测，该针对季节性时序数据序列中异常点的识别方法能够在时序中有效的发现其中的异常点，模型简单，容易代码实现、能准备分析运行的业务数据及相关数据的异常数据点，能快速准确识别异常点、及时、优化、准确地修正异常数据。

技术领域

本发明涉及数据异常处理技术领域，尤其涉及一种针对季节性时序数据序列中异常点的识别方法及系统。

背景技术

生产中经常需要对异常的业务数据进行识别告警，业务数据通常具有一定的季节性，如网站各个时间段的访问量等，并通过不断聚集展示分析结果，为市场精准化营销水平和深度运营能力提供了有力支撑，一些常用的开源监控软件如open-falcon,prometheus都不支持此类异常识别，

现有技术的缺点：维护人员通过终端登陆业务数据系统，并访问经分后台数据，维护人员通过前台系统的体现的业务数据的分析结果，对系统生成的业务数据进行检查分析，与前日数据波动范围比例(或者计算年同期比，月同期环比)，进行正态分布的序列的分析，在数据波动范围超过阀值时进行数据异常告警，如果指标不正常，则处理故障。

当前对于符合正态分布的序列，做异常点识别的方法比较成熟。对于有季节性有时序一般思路都是想办法转化为一个正态分布，但没有一个可行有用的方法。

因此，本领域的技术人员亟需研究出一种针对季节性的时序，能够在时序中有效的发现其中的异常点，模型简单，容易代码实现、能快速准确识别异常点、及时修正异常数据的针对季节性时序数据序列中异常点的识别方法。

发明内容

本发明要解决的技术问题是提供一种针对季节性时序数据序列中异常点的识别方法，该针对季节性时序数据序列中异常点的识别方法能够在时序中有效的发现其中的异常点，模型简单，容易代码实现、能准确分析运行的业务数据及相关数据的异常数据点，帮助快速发现事件或者服务器10的异常问题，及时对异常问题进行处理，能快速准确识别异常点、及时、优化、准确地修正异常数据。