[发明专利]异常检测方法、装置、计算机设备和存储介质

权利要求书

1.一种异常检测方法，其特征在于，包括以下步骤：

获取历史时间序列；

对所述历史时间序列中的多个历史数据进行平滑处理，以得到对应的目标时间序列；

根据所述目标时间序列的周期性，确定预测模型；

采用所述预测模型对所述目标时间序列进行预测，以确定阈值时间序列；

根据所述阈值时间序列，对所述历史时间序列之后采集的监测数据进行异常检测。

2.根据权利要求1所述的异常检测方法，其特征在于，所述根据所述目标时间序列的周期性，确定预测模型，包括：

若所述目标时间序列呈现周期性，则将自回归模型作为所述预测模型；

若所述目标时间序列呈现非周期性，则将神经网络模型作为所述预测模型。

3.根据权利要求2所述的异常检测方法，其特征在于，所述目标时间序列具有多个子时间序列，分别对应不同周期，所述若所述目标时间序列呈现周期性，则将自回归模型作为所述预测模型，包括：

根据不同周期内的子时间序列的相似度，确定所属的类别；

根据所述类别，确定所述预测模型所采用的目标函数。

4.根据权利要求3所述的异常检测方法，其特征在于，所述类别包括强周期类别和弱周期类别；所述根据所述类别，确定所述预测模型所采用的目标函数，包括：

若为所述强周期类别，采用的目标函数为贝叶斯回归函数；

若为所述弱周期类别，采用的目标函数为鲁棒回归函数。

5.根据权利要求1-4任一项所述的异常检测方法，其特征在于，所述采用所述预测模型对所述目标时间序列进行预测，以确定阈值时间序列，包括：

对所述目标时间序列采用降维和/或傅里叶变换的方式进行量纲变换；

将进行量纲变换后的所述目标时间序列，输入所述预测模型；

对所述预测模型输出的时间序列进行逆变换，以得到所述阈值时间序列。

6.根据权利要求1-4任一项所述的异常检测方法，其特征在于，所述获取历史时间序列，包括：

采用设定的时间窗采集处于所述时间窗内的所述历史时间序列。

7.根据权利要求6所述的异常检测方法，其特征在于，所述根据所述阈值时间序列，对所述历史时间序列之后采集的监测数据进行异常检测之后，还包括：

将所述阈值时间序列中各阈值分别与对应的监测数据比较差值；

根据所述差值，调整所述时间窗的长度。

8.根据权利要求6所述的异常检测方法，其特征在于，所述监测数据为多个，所述根据所述阈值时间序列，对所述历史时间序列之后采集的监测数据进行异常检测之后，还包括：

根据多个所述监测数据中识别为异常的监测数据占比，调整所述时间窗的长度。

9.根据权利要求1-4任一项所述的异常检测方法，其特征在于，所述根据所述阈值时间序列，对所述历史时间序列之后采集的监测数据进行异常检测，包括：

根据所述阈值时间序列中的各阈值，确定所述阈值时间序列中各阈值对应的范围；

若所述监测数据处于所述阈值时间序列中对应阈值的范围内，则识别为正常；

若所述监测数据未处于所述阈值时间序列中对应阈值的范围内，则识别为异常。

10.一种异常检测装置，其特征在于，包括：

获取模块，用于获取历史时间序列；

处理模块，用于对所述历史时间序列中的多个历史数据进行平滑处理，以得到对应的目标时间序列；

确定模块，用于根据所述目标时间序列的周期性，确定预测模型；

预测模块，用于采用所述预测模型对所述目标时间序列进行预测，以确定阈值时间序列；

识别模块，用于根据所述阈值时间序列，对所述历史时间序列之后采集的监测数据进行异常检测。