时序异常检测--四种不同类型方法的文字流程

           时序异常检测--四种不同类型方法的文字流程

 

方法 1. 基于预测与统计的时序数据异常检测（Prophet+3σ）

（1） 创建 Prophet 对象，指定节假日参数，然后对过去数据进行训练。

 

（2） 建立预测框架，指定数据粒度和预测步长，然后按步长对未来日期进行预测并绘制预测效果图和成分趋势图。（效果图中黑点是实际值，蓝色是预测值， 浅蓝色是上下界；成分趋势图有四个，分别对应增长趋势模型、节假日、季节性 （每周、每年）的展示）。

 

（3） 检测时段内的数据，如果符合正态分布，则计算均值、标准差。最后，在 Prophet 预测上下界的基础上分别加减3σ得到数据波动的合理范围，当实际数据超过这个范围时则标注为异常数据。

 

方法二：ARIMA 模型（适用于单变量时序预测）

（1） 对原始序列进行平稳性检验，若