System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 异常检测方法、装置、设备及存储介质制造方法及图纸_技高网

异常检测方法、装置、设备及存储介质制造方法及图纸

技术编号:41739145 阅读:10 留言:0更新日期:2024-06-19 12:58
本申请实施例公开了一种异常检测方法、装置、设备及存储介质,用于实现对物联网终端设备的实时监测。本申请实施例方法包括:通过时间窗口截取待测数据作为样本数据,检测样本数据的数据变化趋势,可以实现对物联网终端设备状态的实时监测;若数据变化趋势与待测波形方向一致,计算时间窗口内的样本数据的正向变化量和负向变化量,可以进一步提高异常检测的准确性。若正向变化量满足预设正向阈值且负向变化量满足预设负向阈值,则确定待测数据存在异常特征,这样能够动态适应不同工况下待测数据类型的变化,同时能够更加精准地识别真正的异常情况,减少误报和漏报的可能性。

【技术实现步骤摘要】

本申请实施例涉及数据处理,尤其涉及异常检测方法、装置、设备及存储介质


技术介绍

1、在现代高度自动化和信息化的生产环境中,物联网终端设备通常涉及复杂的工作流程和大量的数据交互。为了保证物联网终端设备自身的正常运行,对于物联网终端设备在工作过程中产生的运行数据进行检测分析至关重要。

2、相关技术中,传统检测方法依赖于人工经验设定的一个预设数值,当设备参数超出所设数值时才会触发异常,然而,这种仅仅关注单一绝对数值的方法往往对于复杂的数据变化模式和趋势难以适应,可能导致误报或漏报的情况,并不能全面监测物联网终端设备的工作状态,进而对物联网终端设备进行异常监测的准确度较低。


技术实现思路

1、基于上述问题,本申请实施例提供了异常检测方法、装置、设备及存储介质,目的是及时发现并准确识别数据中可能存在的异常。

2、第一方面,本申请实施例提供了异常检测方法,包括:

3、获取物联网终端设备的时序运行数据作为待测数据,以及获取与所述待测数据的类型对应的预设限定条件,所述预设限定条件包括预设正向阈值、预设负向阈值和待测波形方向;

4、通过时间窗口截取所述待测数据作为样本数据,检测所述样本数据的数据变化趋势;

5、若所述数据变化趋势与所述待测波形方向一致,计算所述时间窗口内的所述样本数据的正向变化量和负向变化量;

6、若所述正向变化量满足所述预设正向阈值且所述负向变化量满足所述预设负向阈值,确定所述待测数据存在异常特征。

<p>7、在一实施例中,所述若所述数据变化趋势与所述待测波形方向一致,计算所述时间窗口内的所述样本数据的正向变化量和负向变化量,包括:

8、若所述数据变化趋势与所述待测波形方向一致,确定所述时间窗口内的所述样本数据的全局极值;

9、根据所述全局极值,确定所述时间窗口内所述样本数据的前部区段和后部区段;所述前部区段和所述后部区段均不包括全局极值;

10、基于所述数据变化趋势,分别确定所述前部区段内所述样本数据的前部极值和所述后部区段内所述样本数据的后部极值,计算所述全局极值与所述前部极值的数据差以及所述全局极值与所述后部极值的数据差,得到所述时间窗口内所述样本数据的正向变化量和负向变化量。

11、在一实施例中,所述基于所述数据变化趋势,分别确定所述前部区段内所述样本数据的前部极值和所述后部区段内所述样本数据的后部极值,计算所述全局极值与所述前部极值的数据差以及所述全局极值与所述后部极值的数据差,得到所述时间窗口内所述样本数据的正向变化量和负向变化量,包括:

12、若所述数据变化趋势为正向跳跃,则分别确定所述前部区段内所述样本数据的前部极小值和所述后部区段内所述样本数据的后部极小值;计算所述全局极值与所述前部极小值的数据差,得到所述时间窗口内所述样本数据的正向变化量;计算所述全局极值与所述后部极小值的数据差,得到所述时间窗口内所述样本数据的负向变化量;

13、若所述数据变化趋势为负向跳跃,则分别确定所述前部区段内所述样本数据的前部极大值和所述后部区段内所述样本数据的后部极大值;计算所述全局极值与所述前部极大值的数据差,得到所述时间窗口内所述样本数据的负向变化量;计算所述全局极值与所述后部极大值的数据差,得到所述时间窗口内所述样本数据的正向变化量。

14、在一实施例中,所述预设限定条件还包括关联条件;所述若所述正向变化量满足所述预设正向阈值且所述负向变化量满足所述预设负向阈值,确定所述待测数据存在异常特征,包括:

15、若所述正向变化量满足所述预设正向阈值且所述负向变化量满足所述预设负向阈值,确定所述样本数据的波动区间是否满足所述关联条件;所述关联条件包括预设波动区间;

16、若满足,则确定所述待测数据存在异常特征。

17、在一实施例中,在所述确定所述待测数据存在异常特征之后,所述方法还包括:

18、基于所述正向变化量与所述预设正向阈值、所述负向变化量与所述预设负向阈值,确定所述异常特征的出现时间和消失时间;

19、根据所述出现时间和所述消失时间进行异常数据上报。

20、在一实施例中,所述基于所述正向变化量与所述预设正向阈值、所述负向变化量与所述预设负向阈值,确定所述异常特征的出现时间和消失时间,包括:

21、将所述正向变化量满足所述预设正向阈值且所述负向变化量满足所述预设负向阈值对应的时间确定为所述异常特征的出现时间;

22、若所述数据变化趋势为正向跳跃,将所述正向变化量不满足所述预设正向阈值对应的时间确定为所述异常特征的消失时间;

23、若所述数据变化趋势为负向跳跃,将所述负向变化量不满足所述预设负向阈值对应的时间确定为所述异常特征的消失时间。

24、在一实施例中,在所述确定所述待测数据存在异常特征之后,所述方法还包括:

25、基于所述正向变化量和所述负向变化量,确定所述异常特征的图示并展示于显示界面;所述异常特征的图示以时间节点为x轴,以数据量大小为y轴。

26、第二方面,本申请实施例还提供了一种异常检测装置,包括:

27、获取单元,用于获取物联网终端设备的时序运行数据作为待测数据,以及获取与所述待测数据的类型对应的预设限定条件,所述预设限定条件包括预设正向阈值、预设负向阈值和待测波形方向;

28、检测单元,用于通过时间窗口截取所述待测数据作为样本数据,检测所述样本数据的数据变化趋势;

29、计算单元,用于若所述数据变化趋势与所述待测波形方向一致,计算所述时间窗口内的所述样本数据的正向变化量和负向变化量;

30、确定单元,用于若所述正向变化量满足所述预设正向阈值且所述负向变化量满足所述预设负向阈值,确定所述待测数据存在异常特征。

31、第三方面,本申请实施例还提供了一种计算机设备,包括:

32、中央处理器,存储器,输入输出接口以及显示单元;

33、所述存储器为短暂存储存储器或持久存储存储器;

34、所述显示单元用于展示异常特征的图示;所述异常特征的图示以时间节点为x轴,以数据量大小为y轴;

35、所述中央处理器配置为与所述存储器通信,并执行所述存储器中的指令操作以执行上述任意一项所述异常检测方法的步骤。

36、第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机上运行时,使得计算机执行上述任意一项所述异常检测方法的步骤。

37、从以上技术方案可以看出,本申请实施例具有以下优点:通过时间窗口截取待测数据作为样本数据,检测样本数据的数据变化趋势,可以实现对物联网终端设备状态的实时监测;若数据变化趋势与待测波形方向一致,计算时间窗口内的样本数据的正向变化量和负向变化量,可以进一步提高异常检测的准确性。若正向变化量满足预设正向阈值且负向变化量本文档来自技高网...

【技术保护点】

1.一种异常检测方法,其特征在于,包括:

2.根据权利要求1所述的异常检测方法,其特征在于,所述若所述数据变化趋势与所述待测波形方向一致,计算所述时间窗口内的所述样本数据的正向变化量和负向变化量,包括:

3.根据权利要求2所述的异常检测方法,其特征在于,所述基于所述数据变化趋势,分别确定所述前部区段内所述样本数据的前部极值和所述后部区段内所述样本数据的后部极值,计算所述全局极值与所述前部极值的数据差以及所述全局极值与所述后部极值的数据差,得到所述时间窗口内所述样本数据的正向变化量和负向变化量,包括:

4.根据权利要求1所述的异常检测方法,其特征在于,所述预设限定条件还包括关联条件;所述若所述正向变化量满足所述预设正向阈值且所述负向变化量满足所述预设负向阈值,确定所述待测数据存在异常特征,包括:

5.根据权利要求1所述的异常检测方法,其特征在于,在所述确定所述待测数据存在异常特征之后,所述方法还包括:

6.根据权利要求5所述的异常检测方法,其特征在于,所述基于所述正向变化量与所述预设正向阈值、所述负向变化量与所述预设负向阈值,确定所述异常特征的出现时间和消失时间,包括:

7.根据权利要求1所述的异常检测方法,其特征在于,在所述确定所述待测数据存在异常特征之后,所述方法还包括:

8.一种异常检测装置,其特征在于,包括:

9.一种计算机设备,其特征在于,包括:

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机上运行时,执行如权利要求1至7中任意一项所述的异常检测方法。

...

【技术特征摘要】

1.一种异常检测方法,其特征在于,包括:

2.根据权利要求1所述的异常检测方法,其特征在于,所述若所述数据变化趋势与所述待测波形方向一致,计算所述时间窗口内的所述样本数据的正向变化量和负向变化量,包括:

3.根据权利要求2所述的异常检测方法,其特征在于,所述基于所述数据变化趋势,分别确定所述前部区段内所述样本数据的前部极值和所述后部区段内所述样本数据的后部极值,计算所述全局极值与所述前部极值的数据差以及所述全局极值与所述后部极值的数据差,得到所述时间窗口内所述样本数据的正向变化量和负向变化量,包括:

4.根据权利要求1所述的异常检测方法,其特征在于,所述预设限定条件还包括关联条件;所述若所述正向变化量满足所述预设正向阈值且所述负向变化量满足所述预设负向阈值,确定所述待测数...

【专利技术属性】
技术研发人员:黄丹昱吴刚国承斌
申请(专利权)人:深圳市智物联网络有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1