基于分数阶差分时序数据单点异常检测方法、装置及设备制造方法及图纸

本发明专利技术的实施例提供一种基于分数阶差分时序数据单点异常检测方法、装置及设备，所述方法包括：获取时间序列数据；根据基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的均值回归；根据所述时间序列数据的均值回归和基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的偏差回归；根据所述均值回归和偏差回归，对所述时间序列数据进行异常检测。本发明专利技术提供的技术方案通过在异常检测中引入分数阶差分算子，处理过程中可调参数少，提高检测效率，降低处理人员工作量。工作量。工作量。

【技术实现步骤摘要】
基于分数阶差分时序数据单点异常检测方法、装置及设备


[0001]本专利技术涉及智能运维
，特别是指一种基于分数阶差分时序数据单点异常检测方法、装置及设备。

技术介绍

[0002]随着信息技术的进一步发展，企业级服务器的数目越来越多，规模越来越大，若其运行出现问题可能会导致巨大的经济损失。所以对这些设备进行监控及时检测出异常是有十分必要的。服务器在运行过程中会产生大量的指标数据，例如硬盘使用率、CPU使用率、内存使用率等。数据格式为时间序列。服务的异常可以通过采集到的指标数据反映出来。根据数据异常的形态特点，异常可分为三类，分别是单点异常、上下文异常和连续性异常。其中单点异常检测的方法一般可分为三类，机器学习类算法，统计类算法，时序分解类算法。这些算法普遍具有可调参数太多导致的调参难度高的问题，影响工作效率。

技术实现思路

[0003]本专利技术提供了一种基于分数阶差分时序数据单点异常检测方法、装置及设备，可大大减少可调参数的个数，以提高时间序列数据的异常数据点的检测效率，降低工作量。
[0004]为解决上述技术问题，本专利技术的实施例提供一种基于分数阶差分时序数据单点异常检测方法，包括：获取时间序列数据；根据基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的均值回归；根据所述时间序列数据的均值回归和基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的偏差回归；根据所述均值回归和偏差回归，对所述时间序列数据进行异常检测。
[0005]可选的，所述时间序列数据为：X
t
={x1,x2,
…
x
t
…
,x
n
}，x
t
为t时间点的数据，n为正整数；分数阶差分算子为：；其中，L表示延迟算子，；表示伽马函数，；j=0,1,2,3
…
，r为分数阶差分阶数。
[0006]可选的，根据基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的均值回归，包括：根据分数阶差分算子和设定的回归阶数，计算回归系数；
根据所述回归系数，计算所述时间序列数据中目标点的均值回归。
[0007]可选的，根据分数阶差分算子和设定的回归阶数，计算回归系数，包括：通过，计算回归系数，所述回归系数为：，j=1,2,
…
,i，s为归一系数；其中，r为分数阶差分阶数，i为回归阶数，表示伽马函数。
[0008]可选的，根据所述回归系数，计算所述时间序列数据中目标点的均值回归，包括：通过对t时刻均值进行回归，得到所述时间序列数据的均值回归m
t
。
[0009]可选的，根据所述时间序列数据的均值回归和基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的偏差回归，包括：通过计算所述时间序列数据的偏差回归；其中，d
t
为t时间点的数据的偏差回归，，j=1，
…
，i；为t
‑
j时间点的数据，表示t
‑
j时间点的数据的均值回归；；表示伽马函数，r表示分数阶差分阶数。
[0010]可选的，根据所述均值回归和偏差回归，对所述时间序列数据进行异常检测，包括：如果，则所述时间序列数据中的t时间点对应的数据点为正常数据点，否则，识别所述时间序列数据中的t时间点对应的数据点为异常数据点；其中，k为敏感度参数，为t时间点的数据的均值回归，d
t
为t时间点的数据的偏差回归。
[0011]本专利技术的实施例还提供一种基于分数阶差分时序数据单点异常检测装置，所述装置包括：获取模块，用于获取时间序列数据；处理模块，用于根据基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的均值回归；根据所述时间序列数据的均值回归和基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的偏差回归；根据所述均值回归和偏差回归，对所述时间序列数据进行异常检测。
[0012]本专利技术的实施例还提供一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述所述的方法对应的操作。
[0013]本专利技术的实施例还提供一种计算机可读存储介质，存储有指令，所述指令在计算机上运行时，使得计算机执行上述所述的方法。
[0014]本专利技术的上述方案至少包括以下有益效果：本专利技术的上述方案，在时间序列数据检测中，利用基于分数阶差分算子得到的回归系数，计算时间序列数据中目标点的均值回归，并根据时间序列数据的均值回归和基于分数阶差分算子得到的回归系数，计算时间序列数据中目标点的偏差回归；依据据所述均值回归和偏差回归，判断时间序列数据中数据点的异常或正常状态，通过引入分数阶差分算子，减少计算过程中可调参数的设置，同时设置的可调参数也便于计算，进一步提高计算效率，降低检测的工作量。
附图说明
[0015]图1为本专利技术实施例提供的时序数据的异常检测方法的流程示意图；图2为本专利技术实施例提供的一具体异常检测结果图；图3为本专利技术实施例提供的另一具体异常检测结果图；图4为本专利技术实施例提供的时序数据的异常检测装置的模块示意图。
实施方式
[0016]下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
[0017]如图1所示，本专利技术的实施例提供一种时序数据的异常检测方法，所述方法包括：步骤11，获取单指标时间序列数据，数据为从服务器采集到的单指标数据（例如硬盘使用率，CPU使用率，内存使用率等），格式为时间序列，即数据中数据点按时间顺序等间隔排列；步骤12，根据基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的均值回归；步骤13，根据所述时间序列数据的均值回归和基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的偏差回归；步骤14，根据所述均值回归和偏差回归，对所述时间序列数据进行异常检测。
[0018]该实施例中，所述时间序列数据中每个数据均为单一指标数据，所述均值回归是当前待检测数据点之前时刻的所有数据点的均值回归，所述偏差回归是当前待检测数据点之前时刻的所有数据点的偏差回归；在计算所述时间序列数据的均值回归之前，可以根据分数阶差分算子，构造一预设单点时间序列数据的回归模型，基于所述回归模型，并根据所述分数阶差分算子，计算获取的所述时间序列数据的均值回归，保证计算均值回归的准确性及有效性，同时基于分数阶差分算子，在建立回归模型以及后续计算时，只需设定分数阶差分的阶数这一个参数，与现有方案相比参数设定少；根据所述均值回归，计算所述时间序列数据的偏差回归，所述偏差回归是对当前待检测数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分数阶差分时序数据单点异常检测方法，其特征在于，包括：获取时间序列数据；根据基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的均值回归；根据所述时间序列数据的均值回归和基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的偏差回归；根据所述均值回归和偏差回归，对所述时间序列数据进行异常检测。2.根据权利要求1所述的基于分数阶差分时序数据单点异常检测方法，其特征在于，所述时间序列数据为：X
t
={x1,x2,
…
x
t
…
,x
n
}，x
t
为t时间点的数据，n为正整数；分数阶差分算子为：；其中，L表示延迟算子，；表示伽马函数，；j=0,1,2,3
…
，r为分数阶差分阶数。3.根据权利要求1所述的基于分数阶差分时序数据单点异常检测方法，其特征在于，根据基于分数阶差分算子得到的回归系数，计算所述时间序列数据中目标点的均值回归，包括：根据分数阶差分算子和设定的回归阶数，计算回归系数；根据所述回归系数，计算所述时间序列数据中目标点的均值回归。4.根据权利要求3所述的基于分数阶差分时序数据单点异常检测方法，其特征在于，根据分数阶差分算子和设定的回归阶数，计算回归系数，包括：通过，计算回归系数，所述回归系数为：，j=1,2,
…
,i，s为归一系数；其中，r为分数阶差分阶数，i为回归阶数，表示伽马函数。5.根据权利要求4所述的基于分数阶差分时序数据单点异常检测方法，其特征在于，根据所述回归系数，计算所述时间序列数据中目标点的均值回归，包括：通过对t时刻均值进行回归，得到所述时间序列数据的均值回归m
t
。6.根据权利要求5所述的基于分数阶差分时序数...

【专利技术属性】
技术研发人员：朱洪利，严川，张博，
申请(专利权)人：云智慧北京科技有限公司，
类型：发明
国别省市：