一种业务数据的时间序列可复用异常检测方法及系统.pdf
贤惠****66
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种业务数据的时间序列可复用异常检测方法及系统.pdf
本发明提供了一种业务数据的时间序列可复用异常检测方法及系统,包括:步骤1:获取业务历史数据,根据数据平稳性、周期性、相关性和时间粒度对业务数据进行检测;步骤2:根据上述检测结果为所述业务数据匹配适合的时间序列算法,形成映射关系;步骤3:将所述时间序列和算法的映射关系及参数保存在样本库;步骤4:获取同一业务实时数据,根据步骤3样本库中的映射算法及最优参数对所述业务数据进行预测,根据预测结果确定预测区间;步骤5:比较实际值和同时段预测区间的关系,连续超出预测范围10次以上进行告警。本发明可以动态阈值实时监测,
一种时间序列异常检测系统及方法.pdf
本申请提供一种时间序列异常检测系统及方法,初始化伪标签生成单元对无标签的时序数据集中的部分数据自动标注伪标签,将携带有伪标签的部分数据确定为初始化伪标签数据集,迭代自训练单元利用伪标签数据集对迭代自训练单元进行训练,将时序数据集输入至训练后的迭代自训练单元,得到更新后的伪标签数据集,利用更新后的伪标签数据集继续对迭代自训练单元进行训练,继续将时序数据集输入至训练后的迭代自训练单元,重复得到更新后的伪标签数据集的过程,将迭代自训练单元最后一次输出结果作为时间序列异常检测结果,本申请实施例无需人工标注标签,利
基于深度学习的时间序列数据异常检测方法.docx
基于深度学习的时间序列数据异常检测方法基于深度学习的时间序列数据异常检测方法摘要:随着大数据技术的发展和应用的不断推广,时间序列数据异常检测成为了数据分析和预测中的重要问题。传统的异常检测方法通常基于统计学假设或人工定义的规则,无法很好地适应复杂的时间序列数据。近年来,深度学习技术取得了巨大进展并成功应用于各种领域。本论文将介绍一种基于深度学习的时间序列数据异常检测方法,通过学习数据的复杂特征表示,能够更准确地检测时间序列数据中的异常。关键词:时间序列数据,异常检测,深度学习,特征表示1.引言时间序列数据
一种时间序列数据的异常值检测方法和装置.pdf
本发明公开了一种时间序列数据的异常值检测方法和装置,其中,所述方法包括:通过在一范围参数下确定待测时间序列数据中异常数据点的集合,即第一异常数据集合,然后利用第一异常数据集合中异常数据点之间的平均距离差,并利用阈值判断来在第二范围参数下重新检测异常数据点,以此尝试保留离群程度不明显的数据点,由此实现了对于异常的数据点和筛选和处理,提高了数据的准确性,为后续的数据分析提供了良好的基础。
时间序列中异常数据的检测方法和装置.pdf
本说明书实施例提供了时间序列中异常数据的检测方法和装置。根据实施例的方法,首先获取待检测时间段内的时间序列,然后确定与该时间序列具有相关性的关联时间序列。然后获取当前时间序列的历史数据,进一步根据该时间序列以及该时间序列的历史数据和关联时间序列得到时间序列的预测值。最后根据该时间序列的预测值和实际值对时间序列中的指标数据是否存在异常进行检测。如此充分考虑了与该当前时间序列相关联的关联时间序列和历史数据,能够提高当前时间序列的预测值的准确度,从而使异常数据的检测具有更高的检测精度。