所述历史数据序列的阈值动态范围： ly其中，忑表示所述第一判异决策值序列中负决策值的平均值， ΙΛ表示所述第一判异决策值序列中正决策值的平均值，^表示所述第一波动系数，〇r表示 所述第一判异决策值序列中负决策值的标准差，σ:+表示所述第二判异决策值序列中正决策 值的标准差； 根据所述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 准差以及所述第二波动系数，得到所述近期趋势数据序列的阈值动态范围：其中，表示所述第二判异决策值序列中负决策值的平均值， ?/表示所述第二判异决策值序列中正决策值的平均值，κ2表示所述第二波动系数，表示 所述第二判异决策值序列中负决策值的标准差，σ2+表示所述第二判异决策值序列中正决策 值的标准差。8. 根据权利要求1所述的方法，其特征在于，所述进行异常告警处理，包括： 根据所述当前检测点的观测值和所述当前检测点的动态阈值范围确定单点异常量，所 述单点异常量为所述当前检测点的观测值超出所述当前检测点的动态阈值范围的值； 根据所述单点异常量和前一时刻的告警统计量确定所述当前检测点的告警统计量； 根据所述当前检测点的动态阈值范围和异常发生的点数计算所述当前检测点的告警 统计量的阈值范围； 判断所述当前检测点的告警统计量是否属于所述当前检测点的告警统计量的阈值范 围； 如果所述当前检测点的告警统计量不属于所述当前检测点的告警统计量的阈值范围， 则判断告警标识是否为真，如果所述告警标识不为真，则触发告警，记录告警时间起点，将 所述告警标识设置为真，继续检测下一个检测点，如果所述告警标识为真，则继续检测下一 个检测点； 如果所述当前检测点的告警统计量属于所述当前检测点的告警统计量的阈值范围，则 判断所述告警标识是否为真，如果所述告警标识为真，则结束告警，记录告警事件终点，将 所述告警标识设置为否，继续检测下一个检测点，如果所述告警标识不为真，则继续检测下 一个检测点。9. 一种异常检测设备，其特征在于，包括： 获取模块，用于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，所 述历史数据序列包括当前检测点的观测值和所述当前检测点所属的当前检测周期之前的Ν 个检测周期内的同一检测点的观测值，所述近期趋势数据序列包括所述当前检测点的观测 值和所述当前检测点之前的N个检测点的观测值； 计算模块，用于根据所述历史数据序列计算得到所述当前检测点的第一动态阈值范 围，以及根据所述近期趋势数据序列计算得到所述当前检测点的第二动态阈值范围； 第一确定模块，用于根据所述第一动态阈值范围、所述第二动态阈值范围和动态阈值 选择策略确定所述当前检测点的动态阈值范围； 判断模块，用于判断所述当前检测点的观测值是否属于所述当前检测点的动态阈值范 围； 第二确定模块，用于当所述当前检测点的观测值属于所述当前检测点的动态阈值范围 时，将所述当前检测点的观测值作为历史数据； 所述第二确定模块，还用于当所述当前检测点的观测值不属于所述当前检测点的动态 阈值范围时，将所述当前检测点的观测值作为历史数据； 告警模块，用于当所述当前检测点的观测值不属于所述当前检测点的动态阈值范围 时，进行异常告警处理。10. 根据权利要求9所述的设备，其特征在于，所述计算模块包括： 第一计算子模块，用于根据所述历史数据序列计算得到第一判异决策值序列，根据所 述近期趋势数据序列计算得到第二判异决策值序列； 第二计算子模块，用于根据所述历史数据序列和所述第一判异决策值序列计算得到所 述历史数据序列的阈值动态范围，以及根据所述近期趋势数据序列和所述第二判异决策值 序列计算得到所述近期趋势数据序列的阈值动态范围； 第三计算子模块，用于根据所述当前检测点的观测值和所述当前检测点的第一判异决 策值的关系以及所述历史数据序列的阈值动态范围，确定所述当前检测点的观测值的第一 动态阈值范围，根据所述当前检测点的观测值和所述当前检测点的第二判异决策值的关系 以及所述近期趋势数据序列的阈值动态范围，确定所述当前检测点的观测值的第二动态阈 值范围。11. 根据权利要求10所述的设备，其特征在于，所述第三计算子模块具体用于： 根据所述当前检测点的观测值和所述当前检测点的第一判异决策值的关系，用所述当 前检测点的观测值表示所述当前检测点的第一判异决策值，得到所述当前检测点的第一判 异决策值的第一表达式； 根据所述当前检测点的观测值和所述当前检测点的第二判异决策值的关系，用所述当 前检测点的观测值表示所述当前检测点的第二判异决策值，得到所述当前检测点的第二判 异决策值的第二表达式； 将所述第一表达式带入所述历史数据序列的阈值动态范围得到第一不等式，对所述第 一不等式进行等价变换，得到所述第一阈值动态范围； 将所述第二表达式带入所述近期趋势数据序列的阈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，得到所述第二阈值动态范围。12. 根据权利要求9-11中任一项所述的设备，其特征在于，所述动态阈值选取策略包括 以下策略中的任意一个： 策略一:所述当前检测点的动态阈值范围的上限为Min(HDT_Upper，RDT_Upper)，所述 当前检测点的动态阈值范围的下限为131(册1'_1^61'，1^)1'_1^61')，其中，!101'_1^61'为所述 第一动态阈值范围的上限，RDT_Upper为所述第二动态阈值范围的上限，HDT_L〇wer为所述 第一动态阈值范围的下限，RDT_L 〇wer为所述第二动态阈值范围的下限； 策略二:所述当前检测点的动态阈值范围的上限为Max(HDT_Upper，RDT_Upper)，所述 当前检测点的动态阈值范围的下限为Min(HDT_Lower，RDT_Lower); 策略三:所述当前检测点的动态阈值范围的上限为Hweight*HDT_Upper+Rweight*RDT_ Upper，所述当前检测点的阈值范围的下限为Hwe i ght*HDT_Lower+Rwe i ght*RDT_Lower，其 中，Hwe ight表示所述第一动态阈值范围的权重，Rwe ight表示所述第二动态阈值范围的权 重。13. 根据权利要求9所述的设备，其特征在于，还包括： 预处理模块，用于通过最小二乘法去除所述历史数据序列和所述近期趋势数据序列中 的异常数据。14. 根据权利要求10所述的设备，其特征在于，所述第一计算子模块具体用于： 对所述历史数据序列和所述近期趋势数据序列分别进行零均值化处理； 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 势数据序列确定所述预测模型的第二系数； 根据所述预测模型的第一系数，计算所述历史数据序列中每个检测点零均值化后的预 测值，根据所述预测模型的第二系数，计算所述近期趋势数据序列中每个检测点零均值化 后的预测值； 计算所述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，计算所述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； 计算所述第一残差序列的标准差，根据所述第一残差序列与所述第一残差序列的标准 差的比值，得到所述第一判异决策值序列，计算所述第二残差序列的标准差，根据所述第二 残差序列与所述第二残差序列的标准差的比值，得到所述第二判异决策值序列。15. 根据权利要求10所述的设备，其特征在于，所述第二计算子模块具体用于： 计算所述历史数据序列的前N个观测值的均方差，以及计算所述近期趋势数据序列的 前N个观测值的均方差； 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，以及获取所述近期 趋势数据序列的前N个观测值的波动周期的正比例函数； 根据所述历史数据序列的前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，根据所述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； 计算所述第一判异决策值序列中正决策值的平均值和标准差，以及负决策值的平均值 和标准差，计算所述第二判异决策值序列中正决策值的平均值和标准差，以及负决策值的 平均值和标准差； 根据所述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 准差以及所述第一波动系统，得到所述历史数据序列的阈值动态范围：实中，X表示所述第一判异决策值序列中负决策值的平均值， Λ+表示所述第一判异决策值序列中正决策值的平均值，^表示所述第一波动系数，〇Γ表示 所述第一判异决策值序列中负决策值的标准差，σ:+表示所述第二判异决策值序列中正决策 值的标准差； 根据所述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 准差以及所述第二波动系数，得到所述近期趋势数据序列的阈值动态范围：，其中，12':表示所述第二判异决策值序列中负决策值的平均值， 表示所述第二判异决策值序列中正决策值的平均值，κ2表示所述第二波动系数，表示 所述第二判异决策值序列中负决策值的标准差，σ2+表示所述第二判异决策值序列中正决策 值的标准差。16.根据权利要求9所述的设备，其特征在于，所述告警模块具体用于： 根据所述当前检测点的观测值和所述当前检测点的动态阈值范围确定单点异常量，所 述单点异常量为所述当前检测点的观测值超出所述当前检测点的动态阈值范围的值； 根据所述单点异常量和前一时刻的告警统计量确定所述当前检测点的告警统计量； 根据所述当前检测点的动态阈值范围和异常发生的点数计算所述当前检测点的告警 统计量的阈值范围； 判断所述当前检测点的告警统计量是否属于所述当前检测点的告警统计量的阈值范 围； 如果所述当前检测点的告警统计量不属于所述当前检测点的告警统计量的阈值范围， 则判断告警标识是否为真，如果所述告警标识不为真，则触发告警，记录告警时间起点，将 所述告警标识设置为真，继续检测下一个检测点，如果所述告警标识为真，则继续检测下一 个检测点； 如果所述当前检测点的告警统计量属于所述当前检测点的告警统计量的阈值范围，则 判断所述告警标识是否为真，如果所述告警标识为真，则结束告警，记录告警事件终点，将 所述告警标识设置为否，继续检测下一个检测点，如果所述告警标识不为真，则继续检测下 一个检测点。
【专利摘要】本发明实施例提供一种异常检测方法和设备，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阈值范围，以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阈值范围，然后根据第一动态阈值范围、第二动态阈值范围和动态阈值选择策略确定当前检测点的动态阈值范围，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阈值范围。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阈值范围，并能够根据不同性能参数设置不同的动态阈值选择策略，避免待检测设备的性能参数异常的误判、漏报和虚警。
【IPC分类】G06F19/00
【公开号】CN105718715
【申请号】CN201510979846
【发明人】唐昌令
【申请人】华为技术有限公司
【公开日】2016年6月29日
【申请日】2015年12月23日