[发明专利]一种通用的KPI异常检测框架实现方法

权利要求书

1.通用的KPI异常检测框架实现方法，其特征在于：包括如下步骤：步骤1：采用动态基线方法判定KPI数据是否异常；

步骤2：从统计特征算法库中选择若干算法进行权重投票进一步做排查步骤1排查后的异常数据，基于统计理论判断时间序列数据是否发生异常，将多种基于统计特征的异常检测算法组成统计特征算法库，算法模型从中选择若干算法并赋予不同的权重，如果判定异常数大于等于阈值，就判定为异常；

步骤3：从算法库中选择算法对步骤2排查后的异常数据进行检查；

在步骤1之前，还包括步骤4，使用RockA算法对不同KPI数据做聚类分析。

2.根据权利要求1所述的通用的KPI异常检测框架实现方法，其特征在于：步骤3的算法库中包括基于有监督的Apprentice、XGBoost、基于神经网络方法的DeepAR和Donut算法。

3.根据权利要求1所述的通用的KPI异常检测框架实现方法，其特征在于：步骤1中采用ETS方法来建立动态基线。

4.根据权利要求1所述的通用的KPI异常检测框架实现方法，其特征在于：为每个聚类选定不同的集成算法，每个集成算法对应一组步骤1-3异常检测算法的参数选择，通过聚类分析能够找到相似的KPI，将它们划分为若干聚类簇，在每个聚类簇中应用相同的异常检测算法。

5.根据权利要求4所述的通用的KPI异常检测框架实现方法，其特征在于：步骤4具体为首先对原始KPI数据进行标准化，消除振幅差异；去除曲线上的噪声和可能的异常点，提取基线来表示曲线的形状；接着采用基于形状的SBD距离作为相似性度量，消除曲线间的相位偏差影响；最后对样本集中的KPI进行高效、鲁棒的聚类，为每个类别计算聚类中心表征该类别曲线形状，对于大量未分类曲线，利用聚类中心为其快速分派类别。