CN108073464A - 一种基于速度和加速度的时序数据异常点检测方法及装置 - Google Patents
一种基于速度和加速度的时序数据异常点检测方法及装置 Download PDFInfo
- Publication number
- CN108073464A CN108073464A CN201711387892.5A CN201711387892A CN108073464A CN 108073464 A CN108073464 A CN 108073464A CN 201711387892 A CN201711387892 A CN 201711387892A CN 108073464 A CN108073464 A CN 108073464A
- Authority
- CN
- China
- Prior art keywords
- acceleration
- speed
- data
- data point
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
- G06F11/0751—Error or fault detection not based on redundancy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供一种基于速度和加速度的时序数据异常点检测方法及装置，所述方法包括分别获取时序数据中每个数据点的速度和加速度，并确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差，以及速度的正常值范围和加速度的正常值范围，对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。本发明提供的基于速度和加速度的时序数据异常点检测方法及装置，基于数据点的速度和加速度，根据所有数据点的平均速度、速度标准差、平均加速度和加速度标准差，对每个数据点进行异常检测，提高了检测效率和精确度。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于速度和加速度的时序数据异常点检测方法及装置。
背景技术
时序数据在人们的生产生活中十分常见。宏观上来讲，任何带有时间标签的，和时间相关的序列均可以认为是时间序列数据，简称时序数据。例如股票交易数据，电脑的系统日志，用户的上网浏览记录等等均可以被视作时序数据。而在时序数据的产生、传输的过程中，可能会因为种种原因出现多样的错误，带来数据质量问题。这些数据质量问题会使得针对这些时序数据的分析产生具有偏差的结论。因此，如何检测这些异常就变得十分重要。
对于单独的一条时序数据而言，有两种常见的异常类型，即单个点的异常和子序列的异常。前者代表着异常是单个出现的，而后者代表异常往往是由多个连续的点组成的子序列而出现的。现有技术中，针对单点类型的异常的检测方法主要分为三大类别：基于预测模型的，基于数据特征的和基于离群点的异常点检测方法。基于预测模型的异常点检测方法，首先对数据进行建模分析，例如使用自回归积分滑动平均模型(AutoregressiveIntegrated Moving Average Model，ARIMA)模型等，然后根据模型预测出每个时间点上的数值，并根据预测的数值和实际观测到数值的差值，给每个时间点打分，若分数超过一定阈值则认为该点为异常点。然而在实际使用时，利用的模型往往不够精确，从而对异常点检测的准确性产生了不利的影响；基于数据特征的异常点检测方法，此类方法通常保存一个由历史数据平滑产生的或利用神经元网络产生的代表数据特征的序列，然后将每一个数据点与此特征序列进行对比，如果偏差过大则认为是异常点。这种方法与基于模型预测的方法类似，很难找到一个合适的数据特征用于比较；基于离群点的异常点检测方法会对每一个数据点进行如下操作，若移除该数据点，剩余时序数据能够比移除前显著地更易于从概率上表达，则该数据点为异常点。这种方法耗时较长，而且概率模型的表示同样没有那么精确。
发明内容
(一)要解决的技术问题
本发明的目的是提供一种基于速度和加速度的时序数据异常点检测方法及装置，解决了现有技术中时序数据异常点检测方法耗时较长、精确度低的技术问题。
(二)技术方案
为了解决上述技术问题，一方面，本发明提供一种基于速度和加速度的时序数据异常点检测方法，包括：
分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
进一步地，所述分别获取时序数据中每个数据点的速度和每个数据点的加速度具体为：
其中，vi为所述时序数据中第i个数据点的速度，xi为所述时序数据中第i个数据点的数据值，ti为所述时序数据中第i个数据点的时间戳，ai为所述时序数据中第i个数据点的加速度，n为所述时序数据长度。
进一步地，所述根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差具体为：
其中，为所有数据点的平均速度，σv为速度标准差，为所有数据点的平均加速度，σa为加速度标准差，vi为所述时序数据中第i个数据点的速度，ai为所述时序数据中第i个数据点的加速度。
进一步地，所述速度的正常值范围为所述加速度的正常值范围具体为其中，为所有数据点的平均速度，σv为速度标准差，为所有数据点的平均加速度，σa为加速度标准差，k为预设值。
另一方面，本发明提供一种基于速度和加速度的时序数据异常点检测装置，包括：
第一计算模块，用于分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
第二计算模块，用于根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
检测模块，用于对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
再一方面，本发明提供一种用于检测时序数据中异常点的电子设备，包括：
存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述的方法。
又一方面，本发明提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述的方法。
又一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。
(三)有益效果
本发明提供的基于速度和加速度的时序数据异常点检测方法及装置，基于数据点的速度和加速度，根据所有数据点的平均速度、速度标准差、平均加速度和加速度标准差，对每个数据点进行异常检测，提高了检测效率和精确度。
附图说明
图1为依照本发明实施例的基于速度和加速度的时序数据异常点检测方法示意图；
图2为依照本发明实施例的基于速度和加速度的时序数据异常点检测装置示意图；
图3为本发明实施例提供的用于检测时序数据中异常点的电子设备的结构示意图。
具体实施方式
为了使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
图1为依照本发明实施例的基于速度和加速度的时序数据异常点检测方法示意图，如图1所示，本发明实施例提供一种本发明提供一种基于速度和加速度的时序数据异常点检测方法，包括：
步骤S10、分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
步骤S20、根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
步骤S30、对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
进一步地，所述分别获取时序数据中每个数据点的速度和每个数据点的加速度具体为：
其中，vi为所述时序数据中第i个数据点的速度，xi为所述时序数据中第i个数据点的数据值，ti为所述时序数据中第i个数据点的时间戳，ai为所述时序数据中第i个数据点的加速度，n为所述时序数据长度。
进一步地，所述根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差具体为：
其中，为所有数据点的平均速度，σv为速度标准差，为所有数据点的平均加速度，σa为加速度标准差，vi为所述时序数据中第i个数据点的速度，ai为所述时序数据中第i个数据点的加速度。
进一步地，所述速度的正常值范围为所述加速度的正常值范围具体为其中，为所有数据点的平均速度，σv为速度标准差，为所有数据点的平均加速度，σa为加速度标准差，k为预设值。
具体的，首先，需要获取时序数据，时序数据包含多个数据点，对时序数据的每个数据点进行速度、加速度的计算，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢。时序数据用<t，x>表示，<t，x>＝{<t1，x1>，<t2，x2>，…，<ti，xi>，…，<tn，xn>}，n表示时序数据的长度，即时序数据中共有n个数据点，其中<ti，xi>表示第i个数据点，ti表示第i个数据点的时间戳，xi表示第i个数据点的数据值。
分别获取时序数据中每个数据点的速度和每个数据点的加速度的计算公式如下：
其中，vi为所述时序数据中第i个数据点的速度，xi为所述时序数据中第i个数据点的数据值，ti为所述时序数据中第i个数据点的时间戳，ai为所述时序数据中第i个数据点的加速度，n为所述时序数据长度。
例如，以一个长度为60的时序数据为例，<t，x>＝{<t1，x1>，<t2，x2>，…，<ti，xi>，…，<t60，x60>}＝{<22:55:19，130065.711>，<22:56:18，132996.141>，<22:57:09，125331.945>，<22:58:01，148099.078>，<22:58:51，111581.5>，<22:59:44，133446.969>，<23:00:35，126684.453>}，…，<23:59:59，120813.1011>}。<t1，x1>＝<22:55:19，130065.711>，表示该长度为60的时序数据中的第一个数据点，该数据点的时间戳为22:55:19，数据值为130065.711。
根据上述计算平均速度和平均加速度和加速度标准差的公式，对上述例子中长度为60的时序数据第三个数据点到第七个数据点进行计算，得到的各个点的速度和加速度如表1所示。
表1速度和加速度计算值
| 数据点序号 | 时间戳ti | 数据值xi | 速度vi | 加速度ai |
| 3 | 22:57:09 | 125331.945 | -150.278 | 11.310 |
| 4 | 22:58:01 | 148099.078 | 437.829 | -23.364 |
| 5 | 22:58:51 | 111581.500 | -730.352 | 21.564 |
| 6 | 22:59:44 | 133446.969 | 412.556 | -10.689 |
| 7 | 23:00:35 | 126684.453 | -132.598 | 6.933 |
再根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差。具体计算公式如下：
其中，为所有数据点的平均速度，σv为速度标准差，为所有数据点的平均加速度，σa为加速度标准差。
根据上述所有数据点的平均速度、速度标准差、平均加速度和加速度标准差的计算公式，计算得到上述例子中长度为60的时序数据第三个数据点到第七个数据点的平均速度为1.195，速度标准差为169.608，平均加速度为-0.005，加速度标准差为5.895。
然后，根据计算得到的平均速度、速度标准差、平均加速度和所述加速度标准差，对每个数据点进行异常检测。即，根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；若判断获知数据点的速度在所述速度的正常值范围之外，且所述数据点的加速度在所述加速度的正常值范围之外，则所述数据点为异常点。其他情况，则判断所述数据点为正常点。
速度的正常值范围为加速度的正常值范围具体为其中，为所有数据点的平均速度，σv为速度标准差，为所有数据点的平均加速度，σa为加速度标准差，k为预设值，k的值在实际应用中可根据需要进行设置，此处不做限定。
针对上述例子中长度为60的时序数据第三个数据点到第七个数据点，设置k的值为3，则得到，速度的正常值范围为[-507.63,510.02]，加速度的正常值范围为[-17.69,17.68]。
经判断，发现第五个数据点的速度为-730.352，加速度为21.564，均不在正常范围，故第五个数据点为异常点。
本发明提供的基于速度和加速度的时序数据异常点检测方法，基于数据点的速度和加速度，根据所有数据点的平均速度、速度标准差、平均加速度和加速度标准差，对每个数据点进行异常检测，提高了检测效率和精确度。
实施例2：
图2为依照本发明实施例的基于速度和加速度的时序数据异常点检测装置示意图，如图2所示，本发明实施例提供一种基于速度和加速度的时序数据异常点检测装置，用于完成上述实施例中所述的方法，具体包括第一计算模块10、第二计算模块20和检测模块30，其中，
第一计算模块10用于分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
第二计算模块20用于根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
检测模块30用于对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
本发明实施例提供一种基于速度和加速度的时序数据异常点检测装置，用于完成上述实施例中所述的方法，通过本实施例提供的检测装置完成上述实施例中所述的方法的具体步骤与上述实施例相同，此处不再赘述。
本发明提供的基于速度和加速度的时序数据异常点检测装置，基于数据点的速度和加速度，根据所有数据点的平均速度、速度标准差、平均加速度和加速度标准差，对每个数据点进行异常检测，提高了检测效率和精确度。
实施例3：
图3为本发明实施例提供的用于检测时序数据中异常点的电子设备的结构示意图，如图3所示，所述设备包括：处理器801、存储器802和总线803；
其中，处理器801和存储器802通过所述总线803完成相互间的通信；
处理器801用于调用存储器802中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：
分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
实施例4：
本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
实施例5：
本发明实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：
分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置及设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于速度和加速度的时序数据异常点检测方法，其特征在于，包括：
分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
2.根据权利要求1所述的方法，其特征在于，所述分别获取时序数据中每个数据点的速度和每个数据点的加速度具体为：
<mrow>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mn>2</mn>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>n</mi>
</mrow>
<mrow>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<msub>
<mi>t</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>t</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mn>2</mn>
<mo>&le;</mo>
<mi>i</mi>
<mo>&le;</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
其中，vi为所述时序数据中第i个数据点的速度，xi为所述时序数据中第i个数据点的数据值，ti为所述时序数据中第i个数据点的时间戳，ai为所述时序数据中第i个数据点的加速度，n为所述时序数据长度。
3.根据权利要求1所述的方法，其特征在于，所述根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差具体为：
<mrow>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>v</mi>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mfrac>
</msqrt>
</mrow>
<mrow>
<mover>
<mi>a</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>a</mi>
</msub>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>2</mn>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>a</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>3</mn>
</mrow>
</mfrac>
</msqrt>
</mrow>
其中，为所有数据点的平均速度，σv为速度标准差，为所有数据点的平均加速度，σa为加速度标准差，vi为所述时序数据中第i个数据点的速度，ai为所述时序数据中第i个数据点的加速度。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述速度的正常值范围为所述加速度的正常值范围具体为 其中，为所有数据点的平均速度，σv为速度标准差，为所有数据点的平均加速度，σa为加速度标准差，k为预设值。
5.一种基于速度和加速度的时序数据异常点检测装置，其特征在于，包括：
第一计算模块，用于分别获取时序数据中每个数据点的速度和每个数据点的加速度，所述时序数据包含多个数据点，数据点的速度表示数据点的数据值变化的快慢，数据点的加速度表示数据点的速度变化的快慢；
第二计算模块，用于根据每个数据点的速度和每个数据点的加速度，确定所有数据点的平均速度、速度标准差、平均加速度和加速度标准差；并根据所述平均速度、所述速度标准差、所述平均加速度和所述加速度标准差确定速度的正常值范围和加速度的正常值范围；
检测模块，用于对于所有数据点中的任一数据点，若所述任一数据点的速度在所述速度的正常值范围之外，且所述任一数据点的加速度在所述加速度的正常值范围之外，则将所述任一数据点作为异常点。
6.一种用于检测时序数据中异常点的电子设备，其特征在于，包括：
存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至4任一所述的方法。
7.一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，所述计算机程序被处理器执行时实现如权利要求1至4任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711387892.5A CN108073464A (zh) | 2017-12-20 | 2017-12-20 | 一种基于速度和加速度的时序数据异常点检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711387892.5A CN108073464A (zh) | 2017-12-20 | 2017-12-20 | 一种基于速度和加速度的时序数据异常点检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108073464A true CN108073464A (zh) | 2018-05-25 |
Family
ID=62159024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711387892.5A Pending CN108073464A (zh) | 2017-12-20 | 2017-12-20 | 一种基于速度和加速度的时序数据异常点检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108073464A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033037A (zh) * | 2018-07-26 | 2018-12-18 | 厦门大学 | 浮标自动监测系统数据质量控制方法 |
| CN110807024A (zh) * | 2019-10-12 | 2020-02-18 | 广州市申迪计算机系统有限公司 | 动态阈值异常检测方法、系统、存储介质及智能设备 |
| CN112240979A (zh) * | 2019-07-16 | 2021-01-19 | 电计贸易(上海)有限公司 | 锂离子电池电压临界点的检测方法、电子终端、及存储介质 |
-
2017
- 2017-12-20 CN CN201711387892.5A patent/CN108073464A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109033037A (zh) * | 2018-07-26 | 2018-12-18 | 厦门大学 | 浮标自动监测系统数据质量控制方法 |
| CN112240979A (zh) * | 2019-07-16 | 2021-01-19 | 电计贸易(上海)有限公司 | 锂离子电池电压临界点的检测方法、电子终端、及存储介质 |
| CN112240979B (zh) * | 2019-07-16 | 2024-03-22 | 电计贸易(上海)有限公司 | 锂离子电池电压临界点的检测方法、电子终端、及存储介质 |
| CN110807024A (zh) * | 2019-10-12 | 2020-02-18 | 广州市申迪计算机系统有限公司 | 动态阈值异常检测方法、系统、存储介质及智能设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111798273A (zh) | 产品的购买概率预测模型的训练方法及购买概率预测方法 | |
| CN108073464A (zh) | 一种基于速度和加速度的时序数据异常点检测方法及装置 | |
| CN107958297B (zh) | 一种产品需求预测方法及产品需求预测装置 | |
| CN111178537B (zh) | 一种特征提取模型训练方法及设备 | |
| CN113420652B (zh) | 一种时序信号片段异常识别方法、系统、介质及终端 | |
| JPWO2013073377A1 (ja) | 情報拡散規模予測装置、情報拡散規模予測方法、および情報拡散規模予測プログラム | |
| CN111144548A (zh) | 抽油机井工况的识别方法及装置 | |
| CN115082920A (zh) | 深度学习模型的训练方法、图像处理方法和装置 | |
| CN113360711A (zh) | 视频理解任务的模型训练和执行方法、装置、设备及介质 | |
| CN110956278A (zh) | 重新训练机器学习模型的方法和系统 | |
| CN108390793A (zh) | 一种分析系统稳定性的方法及装置 | |
| CN112861895B (zh) | 一种异常物品的检测方法和装置 | |
| CN114202256B (zh) | 架构升级预警方法、装置、智能终端及可读存储介质 | |
| US20210224843A1 (en) | Method and system for determining equity index for a brand | |
| CN115705413A (zh) | 异常日志的确定方法及装置 | |
| CN108985755B (zh) | 一种账号状态识别方法、装置及服务器 | |
| CN107644042B (zh) | 软件程序点击率预估排序方法及服务器 | |
| CN110580265B (zh) | Etl任务的处理方法、装置、设备及存储介质 | |
| CN112541595A (zh) | 模型构建方法及装置、存储介质及电子设备 | |
| CN112131467A (zh) | 一种数据预测方法、系统、介质及设备 | |
| CN111447193A (zh) | 一种针对实时数据流进行异常检测的方法及装置 | |
| CN114463117A (zh) | 用户行为预测方法、系统及其装置 | |
| CN106156470B (zh) | 一种时间序列异常检测标注方法及系统 | |
| CN113656452A (zh) | 调用链指标异常的检测方法、装置、电子设备及存储介质 | |
| CN110688273B (zh) | 分类模型的监控方法、装置、终端以及计算机存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180525 |
|
| RJ01 | Rejection of invention patent application after publication |