买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：济南浪潮数据技术有限公司

摘要：本申请公开了一种对时序KPI的异常检测的方法、装置及介质，涉及云计算领域。该方法包括：获取时序数据；获取时序数据的原始的显著性特征序列；将原始的显著性特征序列进行分解并获取分解后的各个分量；将各分量进行拟合并将拟合后的各个分量上的值相加以便获取重构的显著性特征序列；获取原始的显著性特征序列与重构的显著性特征序列的差值；根据差值获取时序数据中的异常数据。相比于依据经验设置阈值来确定时序数据中的异常点的方法，本申请提供的方法中以时序数据为基础，对时序数据提取显著性特征并对提取出的显著性特征进行重构，依据显著性特征的差值获取到时序数据中的异常数据，因此可以提高对KPI的异常检测的准确性。

主权项：1.一种对时序KPI的异常检测的方法，其特征在于，包括：获取时序数据；其中，所述时序数据为用于表征云平台关键性能指标的监控数据，且为对云平台的数据进行持续监控得到的数据；云平台关键性能指标中至少包括CPU，内存；在获取到所述时序数据后，对所述时序数据进行预处理以得到无量纲的时序数据；其中，所述预处理包含对监控数据缺失点填充，基于滑动窗口对数据进行分割以及对数据进行归一化处理；在预处理后获取所述时序数据的原始的显著性特征序列；其中显著性特征用于表征所述时序数据中的异常数据；将所述原始的显著性特征序列进行分解并获取分解后的各个分量；将各所述分量进行拟合并将拟合后的各个分量上的值相加以便获取重构的显著性特征序列；获取所述原始的显著性特征序列与所述重构的显著性特征序列的差值；根据所述差值获取所述时序数据中的异常数据；所述获取所述时序数据的原始的显著性特征序列包括：将所述时序数据进行傅里叶变换；通过所述傅里叶变换获取所述时序数据的频谱信息；根据所述频谱信息获取所述时序数据的相位谱信息以及幅度谱信息；根据阈值对所述幅度谱信息进行谐调处理以便增强所述幅度谱信息的显著性特征；通过傅里叶逆变换将所述相位谱信息以及增强显著性特征的所述幅度谱信息转换为空域上的数据；通过高斯滤波器将所述空域上的数据进行平滑化处理以便输出所述时序数据的原始的显著性特征序列；其中，根据阈值对所述幅度谱信息进行谐调处理的计算公式如下： ； 表示阈值，为参数，M函数用于获取幅度信息的平均值，表示幅度谱；增强或减弱后的幅度谱的计算公式如下： ； 表示增强或减弱后的幅度谱，α、β均表示调节参数，表示傅里叶变换，表示幅度谱函数；空域上的数据的计算公式如下： ； 表示空域数据，为傅里叶逆变换函数，为相位谱；所述根据所述差值获取所述时序数据中的异常数据包括：通过3-sigma算法对所述差值进行检测；将超出3个标准差的值作为所述时序数据中的所述异常数据；所述将所述原始的显著性特征序列进行分解并获取分解后的各个分量包括：通过小波分解将所述原始的显著性特征序列分解为n个高频分量以及1个低频分量；其中所述n等于所述小波分解的次数；获取所述高频分量以及所述低频分量；原始的显著性特征序列S与分解后的低频分量A和高频分量D的关系为： S=A+D；所述将各所述分量进行拟合并将拟合后的各个分量上的值相加以便获取重构的显著性特征序列包括：通过ARIMA算法对各所述分量进行拟合；将拟合后的各个所述分量上的值相加并获取相加后的结果；将所述相加后的结果作为所述重构的显著性特征序列；重构的显著性特征序列S’与拟合后的低频分量A’和拟合后的高频分量D’的关系为：S’=A’+D’；所述获取所述原始的显著性特征序列与所述重构的显著性特征序列的差值包括：将重构的显著性特征序列与原始的显著性特征序列相减得到特征序列的残差序列L=S’-S；所述获取时序数据包括：按照固定频率采集所述时序数据；在所述根据所述差值获取所述时序数据中的异常数据之后，还包括：对所述异常数据进行上报。

全文数据：

权利要求：

百度查询： 济南浪潮数据技术有限公司 一种对时序KPI的异常检测的方法、装置及介质