[发明专利]时间序列中异常数据的检测方法和装置

说明书

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。

技术领域

本说明书一个或多个实施例涉及计算机技术领域，尤其涉及时间序列中异常数据的检测方法和装置。

背景技术

通常针对某一现象，可以通过分析研究与该现象相关的随时间变化的数据，以实现对该现象的预测。比如温度、湿度和紫外线等随时间变化的数据能够反映天气的状况，如此通过对温度、湿度和紫外线等数据随时间变化的时间序列进行研究，可以实现对未来天气状况的预测。

然而，在对时间序列进行监控研究时，时常会发生电脑、研究模型以及业务等出现问题的情况，这就导致了监控研究的时间序列中随时间变化的数据会出现异常。

发明内容

本说明书一个或多个实施例描述了时间序列中异常数据的检测方法和装置，能够检测出时间序列中的异常数据。

根据第一方面，提供了时间序列中异常数据的检测方法，包括：

获取待检测时间段内的至少两组时间序列；其中，每一组时间序列对应一种指标数据，且每一组时间序列由随时间变化的指标数据构成；

针对每一组时间序列均执行：

从所述至少两组时间序列中确定出与当前时间序列相关的关联时间序列；

获取所述待检测时间段之外的对应所述当前时间序列的第一历史数据；

根据所述当前时间序列的第一历史数据、关联时间序列以及该当前时间序列，得到时间序列预测值；

根据所述时间序列预测值和所述当前时间序列中指标数据的实际值，对所述该当前时间序列中的异常指标数据进行检测。

在一个实施例中，其中，所述从所述至少两组时间序列中确定出与当前时间序列相关的关联时间序列，包括：

针对除所述当前时间序列之外的每一个时间序列，获取所述待检测时间段之外的对应该时间序列的第二历史数据；

将所述第二历史数据和该第二历史数据的实际值输入预先训练的损失函数估计模型中，得到至少一组损失函数值；其中，所述损失函数值用于反映两个时间序列之间的相关性；

根据预先设定的阈值范围，将各所述损失函数值中位于所述阈值范围之内的损失函数值所对应的时间序列，确定为所述当前时间序列的关联时间序列。

在一个实施例中，其中，所述根据所述当前时间序列的第一历史数据、关联时间序列以及该当前时间序列得到时间序列预测值，包括：

将所述当前时间序列和所述关联时间序列进行融合，得到第一预测值；

将所述第一预测值和所述当前时间序列的第一历史数据进行融合，得到所述时间序列预测值。

在一个实施例中，其中，所述将所述当前时间序列和所述关联时间序列进行融合，得到第一预测值，包括：

确定所述关联时间序列的权重值；

根据关联时间序列的权重值，确定对应所述当前时间序列的第一预测附加值；

根据所述当前时间序列确定第二预测值；

将所述第一预测附加值和所述第二预测值进行融合计算，得到所述当前时间序列的第一预测值。