时序异常检测

算法简介

相较于传统运维方式，即人工定义固定阈值，时序异常检测算法通过历史数据建模，提取时序特征，动态地计算上下限阈值边界，实时捕获异常并进行报警，提高设备运维效率和质量。

该算法对时序突变型异常具有良好的检测能力，它包括离线训练和在线推理两部分。

• 离线训练定期执行，如每日凌晨。通过调取最近14天的历史时序数据进行训练得到算法模型。

  重要

  训练数据要求最近14天内的每分钟都有数据。您可以利用分析洞察任务进行数据的分钟聚合或补充默认值。

• 在线推理实时进行，通过调取最近2小时的数据作为算法输入，计算出当前的基线值和上下限置信区间。如果当前值突破了置信区间，则说明当前值不符合历史趋势，出现了跳变，从而得到异常值。

查看使用说明

1. 在物联网平台控制台的实例概览页面，单击目标企业版实例卡片。

2. 在左侧导航栏，选择数据服务 > 数据应用。

3. 单击数据智能页签。

4. 在算法模板列表找到时序异常检测算法，单击对应操作列的查看。

5. 单击使用说明页签，单击输入参数格式和输出参数格式，可查看算法运行的参数描述。

   • 输入数据：运行时序异常检测算法所需要的数据。

   • 输出数据：运行时序异常检测算法产出的数据。