[发明专利]时序数据的异常监控方法及系统有效
| 申请号： | 201811588464.3 | 申请日： | 2018-12-25 |
| 公开（公告）号： | CN109697207B | 公开（公告）日： | 2020-08-28 |
| 发明（设计）人： | 覃江;陈琪瑶 | 申请（专利权）人： | 苏州思必驰信息科技有限公司 |
| 主分类号： | G06F16/2458 | 分类号： | G06F16/2458 |
| 代理公司： | 北京商专永信知识产权代理事务所(普通合伙) 11400 | 代理人： | 方挺;黄谦 |
| 地址： | 215123 江苏省苏州市苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开时序数据的异常监控方法及系统，包括：剔除历史周期性监控数据中的异常值，获取历史周期性监控平滑数据；根据历史周期性监控平滑数据进行周期性分解，获取多重周期的变化趋势数据及周期性变化数据序列；通过ARIMA模型对变化趋势数据进行训练，获取设定预测时间端的趋势值；根据所述趋势值及预测周期性变化数据序列值，通过随机森林算法进行训练，生成最终预测值；根据所述最终预测值设定监控阈值，对所述设定预测时间端的数据进行监测。本申请通过对时序数据的多重周期的时序性分析，将趋势性变化数据的特征引入了监测数据的属性中，从而提高了监测数据阀值的可靠性。从而更便于机器学习方法的实施。 | ||
| 搜索关键词： | 时序 数据 异常 监控 方法 系统 | ||
【主权项】：
1.一种时序数据的异常监控方法，包括：步骤S101,剔除历史周期性监控数据中的异常值，获取历史周期性监控平滑数据；步骤S102,根据所述历史周期性监控平滑数据进行周期性分解，获取多重周期的变化趋势数据及周期性变化数据序列；步骤S103,通过ARIMA模型对所述变化趋势数据进行训练，获取设定预测时间端的趋势值；步骤S104,根据所述趋势值及预测周期性变化数据序列值，通过随机森林算法进行训练，生成最终预测值；步骤S105,根据所述最终预测值设定监控阈值，对所述设定预测时间端的数据进行监测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州思必驰信息科技有限公司，未经苏州思必驰信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811588464.3/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
