[发明专利]时间序列数据的异常检测方法、装置及计算机存储介质

说明书

本申请提供一种时间序列数据的异常检测方法、装置及计算机存储介质，该方法、装置及计算机存储介质通过将时间序列监测数据分解并提取其中的高频分量和低频分量，分别根据高/低频分量的特点、采用对应的模型对高/低频分量进行分析、预测处理，并将高/低频分量对应的预测结果进行叠加得到未来时序下数据的预测值，进而以预测值为依据识别未来时序下真实数据中的异常点数据，可以实现对时间序列数据的实时检测，及时发现其中的异常点数据，以提醒维护人员尽早采取应对措施，避免造成无法弥补的损失。

技术领域

本申请属于大数据处理技术领域，尤其涉及一种时间序列数据的异常检测方法、装置及计算机存储介质。

背景技术

随着互联网与人工智能的不断发展，世界正处在一个信息大爆炸的时代，大数据越来越受到人们的重视，在信息化的发展过程中，数据的挖掘与分析将有助于人们理解数据背后蕴含的价值与规律，因此，很多领域都在发展大数据、数据挖掘等信息技术，通过发掘数据背后隐藏的重要信息，促进相关领域的发展。

时间序列数据是各类大数据中的一类，时间序列广泛应用在各个领域，如医疗、金融、工业等领域，如何从中发掘出有价值和有规律的信息成为当前的研究热点。时间序列数据的异常检测包含于时间序列数据挖掘领域，其作用是将时间序列数据中不正常的数据识别出来，通过对异常数据的发现，来及时解决设备故障、医疗状况、网络安全的非法入侵等监控问题，随着业务系统的逐渐庞大，业务组合的愈加复杂化、时间序列数据的规模变得越来越大，其数据的数据量和数据维度也越来越大，单纯地依靠人力检测已经无法满足日益增长的监控需求。

发明内容

有鉴于此，本申请提供一种时间序列数据的异常检测方法、装置及计算机存储介质，以高效、准确的实现对时间序列数据的异常检测，解决人工检测方式存在的费时、费力、易出错等问题。

具体方案如下：

一种时间序列数据的异常检测方法，包括：

获取时间序列监测数据；

提取所述时间序列监测数据的高频分量和低频分量；

利用第一预测模型基于所述高频分量进行预测处理，得到未来时序下数据的第一预测结果；

利用第二预测模型基于所述低频分量进行预测处理，得到所述未来时序下数据的第二预测结果；

对所述第一预测结果和所述第二预测结果进行叠加处理，得到所述未来时序下数据的目标预测结果；

根据所述目标预测结果，识别所述未来时序下真实数据中的异常点数据。

可选的，所述提取所述时间序列监测数据的高频分量和低频分量，包括：

通过使用小波分析理论对所述时间序列监测数据进行多尺度分解重构，提取所述时间序列监测数据的高频周期性分量、高频随机性分量和低频趋势性分量；

其中，所述高频分量包括所述高频周期性分量和所述高频随机性分量，所述低频分量包括所述低频趋势性分量。

可选的，所述通过使用小波分析理论对所述时间序列监测数据进行多尺度分解重构，提取所述时间序列监测数据的高频周期性分量、高频随机性分量和低频趋势性分量，包括：

获取所述时间序列监测数据的变形实测数据，所述变形实测数据为对所述时间序列监测数据清洗异常值后所得的数据；

将所述变形实测数据作为当前待分解数据；

基于小波分解，将当前待分解数据分解为低频部分和高频部分，得到当前待分解数据对应的低频分量和高频分量；

确定当前待分解数据对应的低频分量包含的低频子序列是否具备预设的变化趋势特征；

若是，结束对数据的分解处理；