设备没有影响，因此适 合一些非关键的性能参数。策略=采取了一种均衡方式，适合运维管理员熟悉的性能参数， 从而根据性能参数设置合适的权重。
[0062] 步骤104、判断当前检测点的观测值是否属于当前检测点的动态阔值范围。
[0063] 如果当前检测点的观测值属于当前检测点的动态阔值范围，则执行步骤107,如果 当前检测点的观测值不属于当前检测点的动态阔值范围，则执行步骤108
[0064] 步骤105、将当前检测点的观测值作为历史数据，继续检测下一个检查点。
[0065] 步骤106、将当前检测点的观测值作为历史数据，并进行告警处理。
[0066] 本实施例的方法，通过获取待检测设备的性能参数的历史数据序列和近期趋势数 据序列，根据历史数据序列计算得到当前检测点的观测值的第一动态阔值范围，W及根据 近期趋势数据序列计算得到当前检测点的观测值的第二动态阔值范围，然后根据第一动态 阔值范围、第二动态阔值范围和动态阔值选择策略确定当前检测点的动态阔值范围，最后 判断当前检测点的观测值是否属于当前检测点的动态阔值范围。所述方法中，能够综合性 能参数的历史数据和近期趋势的变化来确定当前检测点的动态阔值范围，并能够根据不同 性能参数设置不同的动态阔值选择策略，避免待检测设备的性能参数异常的误判、漏报和 虚警。
[0067] 在上述实施例一的基础上，本发明实施例二提供一种检测点的动态阔值范围的计 算方法，图4为本发明实施例二提供的检测点的动态阔值范围的计算方法的流程图，如图4 所示，本实施例的方法可W包括W下步骤：
[0068] 步骤201、根据历史数据序列计算得到第一判异决策值序列，根据近期趋势数据序 列计算得到第二判异决策值序列。
[0069] 本步骤具体可W包括W下子步骤：
[0070] (1)对历史数据序列和近期趋势数据序列分别进行零均值化处理。
[0071] W历史数据序列为例，该历史数据序列中共包括N+1观测值，取前N个观测值建立 自回归模型，自回归模型(auto regressive model,简称AR)的形式如公式（1-1):
[0072] Xt = 0t-lXt-l+0t-2Xt-2~l l~0t-pXt-p+ E t ( I -1 )
[0073] 其中，Xt为模型变量，Pt-I为模型的回归系数，Et为模型的随机误差;P为模型的阶 数。
[0074] 假设前N个观测值为yi，y2,. . .，yN，模型阶数p = 2,则历史数据序列的平均值；为：
[0075] (1-2)
[0076] , , 1就是零均值化后的序列。
[0077] (2)根据零均值化后的历史数据序列确定预测模型的第一系数，根据零均值化后 的近期趋势数据序列确定预测模型的第二系数。
[0078] W零均值化后的历史数据序列为例说明，由上述的自回归模型，可W得出AR(2)模 型：
[0079]
( 1-:;)
[0080] AR(2)模型按照矩阵表达式如下：
[0081]
[0082]假设
[0083]
[0084]
[0085] 则Y = XP,通过矩阵变换可得(XTx)P = XTy，从而有P=UTxrVY,因为X和Y都是由 观测值组成的矩阵，根据矩阵运算可W得出矩阵P的近似值，从而根据公式(1-4)得到
[0086] -- (1-4)
[0087] 其中：巧，巧是AR(2)的系数，et是白噪声，它是独立同分布的高斯随机变量，均 值为零，方差为〇2。由最小二乘法，可W计算出AR(2)系数的估计值^和^，^和與就为 预测模型的第一系数，同理根据零均值化后的近期趋势数据序列得到预测模型的第二系数 為'和4。
[0088] (3)根据预测模型的第一系数，计算历史数据序列中每个检测点零均值化后的预 测值，根据预测模型的第二系数，计算近期趋势数据序列中每个检测点零均值化后的预测 值。
[0089] 在计算计算出AR(2)的第一系数約和役之后，根据公式（1-3)可W得到历史数据序 列的每个检测点零均值化后的预测值，同理根据第二系数巧和巧计算得到近期趋势数据序 列的每个检测点零均值化后的预测值。
[0090] (4)计算历史数据序列中每个检测点零均值化后的观测值和预测值的残差，得到 第一残差序列，计算近期趋势数据序列中每个检测点零均值化后的观测值和预测值的残 差，得到第二残差序列。
[0091] 可W根据公式(1-5)计算得到第一残差序列和第二残差序列。
[0092]
(1-5)
[0093] (5)计算第一残差序列的标准差，根据第一残差序列与第一残差序列的标准差的 比值，得到第一判异决策值序列，计算第二残差序列的标准差，根据第二残差序列与第二残 差序列的标准差的比值，得到第二判异决策值序列。
[0094] 具体根据公式(1-6)计算得到第一残差序列的标准差和第二残差序列的标准差。
[00 对
(1-6：)
[0096] 巧
作为判异决策函数，t = l，2，...，N，N+l，、就是性能参数的是否异常的 量化值，根据判异决策函数得到第一判异决策值序列和第二判异决策值序列。
[0097] 步骤202、根据历史数据序列和第一判异决策值序列计算得到历史数据序列的阔 值动态范围，W及根据近期趋势数据序列和第二判异决策值序列计算得到近期趋势数据序 列的阔值动态范围。
[0098] 本步骤具体可W包括W下子步骤：
[0099] (1)计算历史数据序列的前N个观测值的均方差，W及计算近期趋势数据序列的 前N个观测值的均方差。
[0100] (2)获取所述历史数据序列的前N个观测值的波动周期的正比例函数，W及获取所 述近期趋势数据序列的前N个观测值的波动周期的正比例函数。
[0101] (3)根据历史数据序列的前N个观测值的均方差和波动周期的正比例函数，计算第 一波动系数，根据近期趋势数据序列的前N个观测值的均方差和波动周期的正比例函数，计 算第二波动系数。
[0102] 具体可W根据公式(1-7)计算第一波动系数和第二波动系数。
[0103] (1-7)
[0104] 其中，0。表示前N个观测值的均方差，a表示前N个观测值的波动周期的正比例函 数，由对数函数的基础理论知，K的取值范围是[2,3)，并且根据原始数据波动越剧烈（即均 方差越大，周期越小），K值W越快的速度趋向于图5。图5描绘了异常检测的动态阔值范围效 果，在性能参数的观测值波动越剧烈的地方，阔值范围变得越宽，反之则阔值范围变得越 窄。
[0105] (4)计算第一判异决策值序列中正决策值的平均值和标准差，W及负决策值的平 均值和标准差，计算第二判异决策值序列中正决策值的平均值和标准差，W及负决策值的 平均值和标准差。
[0106] 令}和{乂分别表示判异决策值序列{、}中正决策值和负决策值组成的序列， 不妨设其个数分别为m和n，标准差分别为0+和(T，则有
[0107] (1-8)
[010 引 (1-9)
[0109] (1-10)
[0110] 根据公式（1-8)计算得到第一判异决策值序列中正决策值和负决策值的平均值， W及第二判异决策值序列中正决策值和负决策值的平均值。根据公式（1-9)计算得到第一 判异决策值序列和第二判异决策值序列中正决策值标准差，根据公式(1-10)计算得到第一 判异决策值序列和第二判异决策值序列中负决策值标准差。
[0111] (5)根据第一判异决策值序列中正决策值的平均值和标准差、负决策值的平均值 和标准差W及第一波动系数，得到历史数据序列的阔值动态范围。
[0112] 历史数据序列的阔值动态范围为：
[0113]
(1-11)
[0114] 其中，杰^:表示第一判异决策值序列中负决策值的平均值，克+表示第一判异决策 值序列中正决策值的平均值，Ki表示第一波动系数，or表示第一判异决策值序列中负决策 值的标准差，01+表示第二判异决策值序列中正决策值的标准差。
[0115] (6)根据第二判异决策值序列中正决策值的平均值和标准差、负决策值的平均值 和标准差W及第二波动系数，得到近期趋势数据序列的阔值动态范围。
[0116] 近期趋势数据序列的阔值动态范围为：
[0117]
(1-12)
[0118] 其中，文2^表示第二判异决策值序列中负决策值的平均值，克+表示第二判异决策 值序列中正决策值的平均值，K2表示第二波动系数，02^表示第二判异决策值序列中负决策 值的标准差，02+表示第二判异决策值序列中正决策值的标准差。
[0119] 步骤203、根据当前检测点的观测值和当前检测点的第一判异决策值的关系W及 历史数据序列的阔值动态范围，确定当前检测点的观测值的第一动态阔值范围，根据当前 检测点的观测值和当前检测点的第二判异决策值的关系W及近期趋势数据序列的阔值动 态范围，确定当前检测点的观测值的第二动态阔值范围。
[0120] -种实现方式中，首先从历史数据序列中读取当前检测点的观测值，从第一判异 决策值序列中读取当前检测点的第一判异决策值，根据当前检测点的观测值和当前检测点 的第一判异决策值的关系，用当前检测点的观测值表示当前检测点的第一判异决策值，得 到当前检测点的第一判异决策值的第一表达式。W及根据当前检测点的观测值和当前检测 点的第二判异决策值的关系，用当前检测点的第二判异决策值表示当前检测点的观测值， 得到当前检测点的观测值的第二表达式。然后将第一表达式带入历史数据序列的阔值动态 范围得到第一不等式，对第一不等式进行等价变换，得到第一阔值动态范围，W及将所述 第二表达式带入所述近期趋势数据序列的阔值动态范围得到第二不等式，对所述第二不等 式进行等价变换，得到所述第=阔值动态范围。
[0121] W第一表达式为例，假设当前检测点的第一判异决策值为入：
[0122]
[0123]其中，yN+i表示当前检测点的观测值，；表示历史数据序列的均值，XN+1表示零均值 化处理后的当前检测点的观测值，^表示零均值化处理后的历史数据序列的均值，Oe表 示历史数据序列的标准差，公式I即第一表达式，同理可W得到第二表达式。
[0124]假设历史数据序列的动态阔值范围为
如果
则说明当前检测点的第一判异决策值在合理的动态阔值范围内， 系统没有异常。将A带乂
I到第一不等式：
[01巧]
对不等式两边进行等价变换，得到第一阔值 动态范围为：
同理可W得到第二阔 值动态范围。
[0126] 在上述实施例一和实施例二的基础上，本发明实施例=对异常告警处理流程进行 详细说明，图6为