基于時間序列的異常檢測方法技術

本發明專利技術公開了一種基于時間序列的異常檢測方法，包括節點內數據相關性分析和節點間數據相關性分析：節點內數據相關性描述的是傳感器節點數據的時間相關性，計算當前數據與歷史數據之間的數據相關性；節點間數據相關性描述的是不同傳感器節點之間的空間數據相關性，計算傳感器節點數據與其鄰居節點數據之間的數據相關性。本發明專利技術提供的基于時間序列的異常檢測方法，能有效地檢測出異常數據，而且在有錯誤數據的影響下仍能保持良好的性能；同時本發明專利技術應用了一種時間序列數據的近似方法，能夠有效地壓縮時間序列數據，并給出了壓縮時間序列之間相似性的度量方法，用于時間序列的聚類分析，從而實現基于時間序列的異常檢測。

【技術實現步驟摘要】

【技術保護點】
基于時間序列的異常檢測方法，其特征在于：包括如下步驟：（1）各個節點獲取自身的檢測數據，進入步驟（2）；（2）各節點對本地數據進行時間相關性分析，即計算節點當前時間窗口內數據與歷史時間窗口內數據的歐幾里德距離：若計算結果小于給定距離閾值，則當前時間窗口內數據與歷史時間窗口內數據滿足時間相關性，為正常數據，返回步驟（1）；否則當前時間窗口內數據與歷史時間窗口內數據不滿足時間相關性，為不正常數據，進入步驟（3）；（3）各節點將當前窗口內數據進行近似壓縮，并將壓縮后的數據發送至鄰居節點，進入步驟（4）；（4）各節點進行空間相關性計算，計算本節點當前時間窗口內的壓縮數據與接收到的鄰居節點壓縮數據之間的近似歐幾里德距離或下界距離：若計算結果小于給定距離閾值，則本節點當前時間窗口內的壓縮數據與接收到的鄰居節點壓縮數據滿足空間相關性；否則本節點當前時間窗口內的壓縮數據與接收到的鄰居節點壓縮數據不滿足空間相關性；本節點將判定結果反饋給壓縮數據發送方節點，進入步驟（5）；（5）各節點根據鄰居節點的反饋結果，對本節點的不正常數據進行審查，判別其為異常數據或是錯誤數據：若存在一定數量的鄰居節點與本節點的不正常數據存在相關性，則該不正常數據為異常數據；若不存在鄰居節點與本節點的不正常數據具有相關性，則該不正常數據為錯誤數據。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：呂建華，張柏禮，魏巨巍，
申請(專利權)人：東南大學，
類型：發明
國別省市：