[发明专利]动态阈值异常检测方法、系统、存储介质及智能设备

权利要求书

1.一种动态阈值异常检测方法，其特征在于，所述方法包括如下步骤：

对被监控业务指标的历史数据及当前数据进行数据清洗操作，以得到清洗数据；将预设时间周期内的所述清洗数据划分为若干段数据序列；

根据所述清洗数据确定当前业务数据的序列类型；所述清洗数据的序列类型包括周期序列、趋势序列及随机序列；其中，计算每段数据序列与标准数据序列的相似度，当该段数据序列与标准数据序列的相似度大于预设阈值时，则该段数据序列的序列类型为周期序列；分别对每段数据序列及清洗数据进行小波变换，以得到每段数据序列的局部波动及清洗数据的全局波动，当清洗数据的全局波动大于或等于该段数据序列的局部波动时，则该段数据序列的序列类型为趋势序列；当该段数据序列既不满足周期序列的条件也不满足趋势序列的条件时，则该段数据序列的序列类型为随机序列；

根据所述当前业务数据的序列类型将清洗数据输入对应的预测模型，以得到待监控时刻点的阈值基准值；

将当前真实数据输入异常检测模块，基于阈值基准值增加动态阈值范围，当该监控时刻点的真实值超出动态阈值范围时，对真实值标记异常并用阈值基准值替换后加入历史数据队列，以便修正模型；具体的，

通过将待监控时刻点的真实值同获取到的待监控时刻点的预测值进行对比，计算所述预测值与真实值的误差值，当所述误差值的绝对值大于预测均值的预设倍数的标准差时，则该待监控时刻点的真实值存在异常；

划分时间窗口，分别计算待监控时间窗口及前一监控窗口的误差值均值，当所述误差值均值大于前一监控时间窗口的标准差的预设倍数时，则该待监控窗口的第一个待监控点的真实值存在异常；

当该待监控时刻点在上述两步检测中同时为异常值时，对该待监控时刻点的真实值进行阈值基准值替换与异常标记。

2.根据权利要求1所述的动态阈值异常检测方法，其特征在于，对被监控业务指标的历史数据及当前数据进行数据清洗操作，以得到清洗数据的方法包括：

获取被监控业务指标的历史数据及当前数据，对该被监控业务指标的历史数据及当前数据进行抽取与分解形成清洗因子；

根据所述清洗因子对被监控业务指标的历史数据及当前数据进行数据清洗操作。

3.根据权利要求1所述的动态阈值异常检测方法，其特征在于，根据所述当前业务数据的序列类型将清洗数据输入对应的预测模型，以得到待监控时刻点的阈值基准值的方法包括：

根据时间窗口将所述清洗数据划分为若干清洗数据段，并对各清洗数据段进行差分处理，以得到数据平稳的样本数据；

根据所述样本数据的数据类型，将所述样本数据输入对应的预测模型，以得到待监控时刻点的阈值基准值。

4.根据权利要求1所述的动态阈值异常检测方法，其特征在，当样本数据的数据类型周期序列时，所述清洗数据的预测模型为：

Y_t+1＝a_t+b_t+S_t+1-k

其中，a_t为随机分量，b_t为趋势分量，S_t为周期分量，k为周期。

5.根据权利要求4所述的动态阈值异常检测方法，其特征在于，

当所述误差值的绝对值大于预测均值的2.5倍的标准差时，则该待监控时刻点的真实值存在异常；

当所述误差值均值大于前监控窗口标准差的2倍时，则该待监控窗口的第一个监控时刻点的真实值存在异常。