[发明专利]数据异常分析方法及装置

权利要求书

1.一种数据异常分析方法，包括：

分析待检测的时序数据的数据指标；及，根据所述数据指标确定所述时序数据对应的时序预测模型；

利用所述时序预测模型对所述时序数据进行时序预测，得到所述时序数据在指定未来时长内的预测结果；

利用预先训练的异常识别模型对所述预测结果进行分析，得到所述时序数据的异常分析结果；其中，所述异常识别模型用于分析所述时序数据中是否存在异常数据；或者，所述异常识别模型用于分析所述时序数据中是否存在所述异常数据，且在所述时序数据中存在所述异常数据时分析所述异常数据对应的异常类型。

2.根据权利要求1所述的方法，所述数据指标包括周期性、时效性、信噪比、白噪声检验结果中的至少一项指标。

3.根据权利要求2所述的方法，所述时序数据包括多个所述数据指标；

相应的，所述根据所述数据指标确定所述时序数据对应的时序预测模型，包括：

为各所述数据指标赋予评分值；及，确定各所述数据指标分别对应的权重；

根据所述评分值及所述权重，计算所述时序数据的总评分值；

根据预设的总评分值与时序预测模型之间的对应关系，确定所述时序数据的总评分值所对应的时序预测模型。

4.根据权利要求1所述的方法，在利用异常识别模型对所述预测结果进行分析，得到所述时序数据的异常分析结果之后，所述方法还包括：

显示所述异常分析结果；和/或，按照预设报警方式对所述异常分析结果进行报警；其中，所述预设报警方式包括语音报警方式。

5.根据权利要求1所述的方法，在利用异常识别模型对所述预测结果进行分析，得到所述时序数据的异常分析结果之后，所述方法还包括：

确定所述异常分析结果的正确性判断结果；其中，所述正确性判断结果包括正确结果或错误结果；

若所述正确性判断结果为所述正确结果，则将所述异常分析结果输入所述异常识别模型，以使所述异常识别模型根据所述异常分析结果进行更新。

6.根据权利要求1所述的方法，在分析待检测的时序数据的数据指据之前，所述方法还包括：

分析第一时序数据的周期性，以确定出所述第一时序数据的周期时长；

根据所述周期时长确定所述第一时序数据对应的检测时长；其中，所述检测时长包括整数个周期时长；

获取所述第一时序数据在所述检测时长内的数据，作为所述待检测的时序数据。

7.一种数据异常分析装置，包括：

分析及确定模块，用于分析待检测的时序数据的数据指标；及，根据所述数据指标确定所述时序数据对应的时序预测模型；

预测模块，用于利用所述时序预测模型对所述时序数据进行时序预测，得到所述时序数据在指定未来时长内的预测结果；

第一分析模块，用于利用预先训练的异常识别模型对所述预测结果进行分析，得到所述时序数据的异常分析结果；其中，所述异常识别模型用于分析所述时序数据中是否存在异常数据；或者，所述异常识别模型用于分析所述时序数据中是否存在所述异常数据，且在所述时序数据中存在所述异常数据时分析所述异常数据对应的异常类型。

8.根据权利要求7所述的装置，所述数据指标包括周期性、时效性、信噪比、白噪声检验结果中的至少一项指标。

9.根据权利要求8所述的装置，所述时序数据包括多个所述数据指标；

相应的，所述分析及确定模块包括：

第一确定单元，用于为各所述数据指标赋予评分值；及，确定各所述数据指标分别对应的权重；

计算单元，用于根据所述评分值及所述权重，计算所述时序数据的总评分值；

第二确定单元，用于根据预设的总评分值与时序预测模型之间的对应关系，确定所述时序数据的总评分值所对应的时序预测模型。