[发明专利]一种时间序列异常检测方法及装置

权利要求书

1.一种设备性能指标时间序列异常检测方法，其特征在于，包括：

从一个或多个设备接收一组时间序列形式的信号，所述时间序列为设备性能指标时间序列；

将所述信号按照预设规则划分为至少两个子序列；

分别对每个子序列提取特征向量，获得特征向量样本集，所述特征向量样本集为每个子序列对应的特征向量构成的；

在所述特征向量样本集中采用聚类算法获得聚类结果，所述聚类结果包括至少一个簇以及每个特征向量样本与簇的隶属关系，其中，每个簇为所述特征向量样本集的子集；

在每个簇中应用机器学习算法建立异常行为模型；

在每个簇中根据对应的异常行为模型进行异常检测获得设备性能指标时间序列中的异常点；

所述预设规则包括：基于数据的划分方式或基于规则的划分方式；

其中，所述基于数据的划分方式，包括：采用变点分析算法获得所述信号的变点；根据所述变点的位置将所述信号划分为至少两个子序列；

所述基于规则的划分方式，包括：按照预设周期将所述信号划分为至少两个子序列;

其中,所述在每个簇中应用机器学习算法建立异常行为模型，包括：分别将特征向量对应同一个簇的子序列合并为一个子序列集合，其中，每个子序列集合对应一个簇；

分别计算每个子序列集合中所有样本值的均值和标准差；

分别根据每个子序列集合对应的均值和标准差计算子序列集合的正常值上界和正常值下界；

根据所述正常值上界和所述正常值下界获得每个子序列集合的异常行为模型。

2.根据权利要求1所述的方法，其特征在于，所述特征向量包括：

子序列的基本统计量和频率特征；

其中，基本统计量包括均值、标准差、最大值和最小值；

频率特征为对子序列进行快速傅里叶变换的结果向量的前W个分量的幅值，W为正整数。

3.一种设备性能指标时间序列异常检测装置，其特征在于，包括：

接收模块，用于接收一组时间序列形式的信号，所述时间序列为设备性能指标时间序列；

划分模块，用于将所述信号按照预设规则划分为至少两个子序列；

特征向量提取模块，用于分别对每个子序列提取特征向量，获得特征向量样本集，所述特征向量样本集为每个子序列对应的特征向量构成的；

聚类模块，用于在所述特征向量样本集中采用聚类算法获得聚类结果，所述聚类结果包括至少一个簇以及每个特征向量样本与簇的隶属关系，其中，每个簇为所述特征向量样本集的子集；

模型建立模块，用于在每个簇中应用机器学习算法建立异常行为模型；

检测模块，用于在每个簇中根据对应的异常行为模型进行异常检测获得设备性能指标时间序列中的异常点；

所述预设规则包括：基于数据的划分方式或基于规则的划分方式；

其中，在所述预设规则为基于数据的划分方式的情况下，所述划分模块具体用于，采用变点分析算法获得所述信号的变点；根据所述变点的位置将所述信号划分为至少两个子序列；

在所述预设规则为基于规则的划分方式的情况下，所述划分模块具体用于，按照预设周期将所述信号划分为至少两个子序列；

其中，所述模型建立模块具体用于：分别将特征向量对应同一个簇的子序列合并为一个子序列集合，其中，每个子序列集合对应一个簇；

分别计算每个子序列集合中所有样本值的均值和标准差；

分别根据每个子序列集合对应的均值和标准差计算子序列集合的正常值上界和正常值下界；

根据所述正常值上界和所述正常值下界获得每个子序列集合的异常行为模型。

4.根据权利要求3所述的装置，其特征在于，所述特征向量包括：

子序列的基本统计量和频率特征；

其中，基本统计量包括均值、标准差、最大值和最小值；

频率特征为对子序列进行快速傅里叶变换的结果向量的前W个分量的幅值，W为正整数。

5.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-2任意一项所述的方法。