stl 基于時(shí)間序列分解的異常檢測

1. 算法主要分為 3 步
1）用時(shí)間序列分解擬合曲線
  • 目的：過濾時(shí)間序列不平穩(wěn)的成分，得到平穩(wěn)噪聲
  • 什么是時(shí)間序列分解
    三種類型的時(shí)序模式（pattern）組成一段時(shí)間序列[X1, ...，Xn]
    1）Trend（趨勢），數(shù)據(jù)長期的增長或下降的特產(chǎn)
    2）Seasonal（周期），數(shù)據(jù)潛在的周期性
    3）Residual（殘差），剩下的數(shù)據(jù)部分
    三種成分組合方式：加法模型、乘法模型
    使用加法模型，三種模式加和，適用于周期浮動(dòng)比較穩(wěn)定的序列
  • 時(shí)間序列分解算法：STL、X12-ARIMA、STAMP
  • 選用 STL（基于局部加權(quán)回歸的周期趨勢分解）
  • 傳統(tǒng) STL 分解中，當(dāng)有非平緩趨勢被檢測到，原始數(shù)據(jù)去除周期、趨勢之后，殘差項(xiàng)將增加一段陡坡
2）將得到的噪聲進(jìn)行離群點(diǎn)檢驗(yàn)
3）二次檢驗(yàn)過濾誤報(bào)，輸出
最后編輯于 ：
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容