[发明专利]时间序列数据异常检测方法、装置、设备及存储介质

说明书

本公开提供一种时间序列数据异常检测方法、装置、设备及存储介质，涉及数据处理技术领域。该方法包括：获取时间序列数据，时间序列数据为连续时间点中各个时间点对应的指标数据的序列；根据各个时间点对应的指标数据获得近邻关联性特征，近邻关联性特征用于表示各个时间点的多个近邻时间点中各个近邻时间点对应的指标数据与各个时间点对应的指标数据之间的关联性；基于近邻关联性特征对多个近邻时间点对应的多个指标数据进行降维处理，获得各个时间点对应的关联近邻数据；对连续时间点对应的多个关联近邻数据进行划分以从连续时间点中确定指标数据异常的时间点。该方法提高了对具有不同近邻关联性的多种指标数据的异常检测的准确性。

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种时间序列数据异常检测方法、装置、设备及可读存储介质。

背景技术

现实生活中经过统计可得到一些具有复杂关联的时间序列指标，在每个时间点都对应一个指标或一组指标数据，各个时间点之间的样本数据没有必然的联系。例如某地区国内生产总值(Gross Domestic Product，GDP)等经济指标，受影响因素众多，历史年份的指标值对当前年份的指标具有一定影响。在对地区发展做出一些决策时，会对历史年份该地区发展情况的相关指标进行分析，例如GDP，人口，就业人数等等，对指标数据进行异常检测，检测出异常的历史时间点，并分析异常原因，从而提供准确的决策支持。

通常进行异常检测的指标类别众多，且各指标的情况差别较大。例如，经济指标包括宏观的社会消费品总额，居民消费结构各个部分，各行业固定资产投资，各类商品出口金额等，类目总量有成百上千种，不同类指标之间差异大。相关技术中对不同时间序列指标进行异常检测时通常采用统一模型算法，而利用统一模型对多种类别指标进行异常检测的准确性较低。

如上所述，如何提供对多种类别时间序列指标进行异常检测的准确性成为亟待解决的问题。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种时间序列数据异常检测方法、装置、设备及可读存储介质，至少在一定程度上提高对多种类别时间序列指标进行异常检测的准确性。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提供一种时间序列数据异常检测方法，包括：获取时间序列数据，所述时间序列数据为连续时间点中各个时间点对应的指标数据的序列；根据所述各个时间点对应的指标数据获得近邻关联性特征，所述近邻关联性特征用于表示所述各个时间点的多个近邻时间点中各个近邻时间点对应的指标数据与所述各个时间点对应的指标数据之间的关联性；基于所述近邻关联性特征对所述多个近邻时间点对应的多个指标数据进行降维处理，获得所述各个时间点对应的关联近邻数据；对所述连续时间点对应的多个所述关联近邻数据进行划分以从所述连续时间点中确定指标数据异常的时间点。

根据本公开的一实施例，所述时间序列数据包括所述各个时间点对应的多个相似区域的指标数据；所述获取时间序列数据包括：获取所述各个时间点对应的第一预定区域的指标数据；获取所述各个时间点对应的第二预定区域的指标数据；在所述第一预定区域的指标数据与所述第二预定区域的指标数据的相似度大于预设阈值时，获得所述多个相似区域，所述多个相似区域包括所述第一预定区域和所述第二预定区域。

根据本公开的一实施例，所述近邻关联性特征包括第一维度和第二维度，所述第一维度为近邻时间点序列，所述第二维度为与所述近邻时间点序列对应的信息增益序列；所述根据所述各个时间点对应的指标数据获得近邻关联性特征包括：获取所述各个时间点的各个近邻时间点对应的指标数据；基于所述各个时间点对应的指标数据和所述各个时间点的各个近邻时间点对应的指标数据计算所述近邻时间点序列对应的所述信息增益序列。