stl 基于时间序列分解的异常检测

1. 算法主要分为 3 步
1)用时间序列分解拟合曲线
  • 目的:过滤时间序列不平稳的成分,得到平稳噪声
  • 什么是时间序列分解
    三种类型的时序模式(pattern)组成一段时间序列[X1, ...,Xn]
    1)Trend(趋势),数据长期的增长或下降的特产
    2)Seasonal(周期),数据潜在的周期性
    3)Residual(残差),剩下的数据部分
    三种成分组合方式:加法模型、乘法模型
    使用加法模型,三种模式加和,适用于周期浮动比较稳定的序列
  • 时间序列分解算法:STL、X12-ARIMA、STAMP
  • 选用 STL(基于局部加权回归的周期趋势分解)
  • 传统 STL 分解中,当有非平缓趋势被检测到,原始数据去除周期、趋势之后,残差项将增加一段陡坡
2)将得到的噪声进行离群点检验
3)二次检验过滤误报,输出

你可能感兴趣的:(stl 基于时间序列分解的异常检测)