[发明专利]基于全局信息的时间序列数据中异常数据点的识别方法

摘要

本发明公开了基于全局信息的时间序列数据中异常数据点的识别方法，包括步骤：获取原始时间序列数据及各数据点的观测值；计算各数据点的观测值变化速度和各数据点的速度变化率；根据各数据点的速度变化率，计算原始时间序列数据的平均速度变化率，统计各数据点的速度变化率的离散概率分布，并对离散概率分布进行拟合得到概率密度函数；根据时间序列数据的值变化速度约束和数据点的速度变化率，检测异常数据点。将时间序列数据的平均速度变化率和速度变化率的概率分布作为全局信息，充分反应了时间序列数据的整体特性，通过查找违背整体特性的数据点能够对异常数据点进行有效识别，识别出异常数据点。该方法对时间序列数据中突发异常数据点能准确识别。

主权项

1.一种基于全局信息的时间序列数据中异常数据点的识别方法，其特征在于，包括以下步骤：S1：获取原始时间序列数据；S2：根据所述原始时间序列数据中各数据点的观测值，计算各数据点的观测值变化速度，并根据各数据点的观测值变化速度计算出各数据点的速度变化率；S3：统计原始时间序列数据各数据点的平均速度变化率和速度变化率的离散概率分布，并使用正太分布拟合速度变化率的概率分布，得到概率密度函数；S4：检测异常数据点：在原始时间序列数据中，如果min{1‑p(u_i‑1),p(u_i‑1)}、min{1‑p(u_i),p(u_i)}和min{1‑p(u_i+1),p(u_i+1)}都小于则第i个数据点将被识别为异常数据点，其中，p(u_i‑1)为速度变化率小于第i‑1个数据点的速度变化率u_i‑1的概率，其值为从负无穷到速度变化率u_i‑1对概率密度函数进行积分得到的值，p(u_i)为速度变化率小于第i个数据点的速度变化率u_i的概率，其值为从负无穷到速度变化率u_i对概率密度函数进行积分得到的值，p(u_i+1)为速度变化率小于第i+1个数据点的速度变化率u_i+1的概率，其值为从负无穷到速度变化率u_i+1对概率密度函数进行积分得到的值，为速度变化率小于速度变化率的概率，其值为从负无穷到速度变化率对概率密度函数进行积分得到的值，为速度变化率小于速度变化率的概率，其值为从负无穷到速度变化率对概率密度函数进行积分得到的值，s_max和s_min分别为最大和最小的值变化速度约束。