[发明专利]一种针对季节性时序数据序列中异常点的识别方法及系统

摘要

本发明提供了一种针对季节性时序数据序列中异常点的识别方法，包括以下步骤：所述数据处理模块提取数据的周期T1、T2、T3、...、Tj，当前的时间n，以及数据采集频率i，根据所述周期(T1、T2、T3、...、Tj)、当前时间n及数据采集频率i得出时序，并根据所述时序获取时序的相关测试数据，所述数据异常点检测模块根据模型异常点计算策略对所述时序相关的测试数据进行异常检测，该针对季节性时序数据序列中异常点的识别方法能够在时序中有效的发现其中的异常点，模型简单，容易代码实现、能准备分析运行的业务数据及相关数据的异常数据点，能快速准确识别异常点、及时、优化、准确地修正异常数据。

主权项

一种针对季节性时序数据序列中异常点的识别方法，其特征在于：提供服务器、数据处理模块及数据异常点检测模块，所述数据处理模块提取数据的周期T1、T2、T3、...、Tj，当前的时间n,以及数据采集频率i,根据所述周期(T1、T2、T3、...、Tj)、当前时间n及数据采集频率i得出时序:(n,n‑1i,n‑2i,...,n‑60i)、(n‑T1,n‑T1‑i,n‑T1‑2i,..,n‑T1‑60i),(n‑T2,n‑T2‑i,n‑T2‑2i,..,n‑T2‑60i)，...，(n‑T2,n‑T2‑i,n‑T2‑2i,..,n‑T2‑60i),并根据所述时序获取时序的相关测试数据，分别记为R',D1',D2'，...，Dj’，所述数据处理模块将获取的时序相关的测试数据进行存储并发送给所述数据异常点检测模块，所述数据异常点检测模块根据模型异常点计算策略对所述时序相关的测试数据进行异常检测，所述数据异常点检测模块包括：模型建立计算单元及异常点识别单元；所述数据异常点检测模块配置有模型异常点计算策略，所述模型异常点计算策略为：所述模型建立计算单元建立模型M0:a0E+a1D1+a2D2+...+ajDj＝R、模型M1:a0E+a1D1+a2D2+...+ajDj＝P,及模型M2:E＝R‑P,所述模型建立计算单元计算上述模型M中的a0、a1、a2、...、aj，并将计算出的数据a0、a1、a2、...、aj代入到所述模型M1中得出P,同时更新模型M2的数据，所述模型建立计算单元将建立并计算完成的模型数据发送给所述异常点识别单元，其中，所述E为异常数据待审核区域；所述异常点识别单元配置有公式：|ed‑u|＞3*sigma，所述异常点识别单元在所述E中随机提取数据ed代入公式|ed‑u|＞3*sigma中，如果公式成立，则判断所述ed为数据异常点，如果公式不成立，则判断所述ed不是数据异常点，其中，ed为所述异常点识别单元对所述模型M2的E区域的数据随机取出的数值。