時(shí)間序列異常檢測(cè)的研究.pdf

1、目前時(shí)間序列異常點(diǎn)檢測(cè)方法都是針對(duì)特定類型動(dòng)態(tài)數(shù)據(jù),但異常點(diǎn)往往會(huì)造成數(shù)據(jù)類型的誤判,因此在數(shù)據(jù)類型判別前進(jìn)行異常檢測(cè)更為合理。一些針對(duì)時(shí)間序列異常檢測(cè)的方法非常復(fù)雜，不容易實(shí)現(xiàn)，比如本文介紹的基于貝葉斯方法的異常檢測(cè)方法，原理復(fù)雜，抽樣及反復(fù)迭代過程所產(chǎn)生的數(shù)值誤差都可能帶來(lái)誤判，且難以實(shí)現(xiàn)。文獻(xiàn)[40]給出了一種不限于某種特定類型數(shù)據(jù)而且比較簡(jiǎn)單易于實(shí)現(xiàn)的方法，該方法是基于累計(jì)變化量來(lái)實(shí)現(xiàn)異常點(diǎn)的檢測(cè)，但是該方法無(wú)法檢測(cè)出成片的異常

2、點(diǎn)，并且容易產(chǎn)生誤判。為了解決文獻(xiàn)[40]中方法所存在的問題，本文對(duì)異常點(diǎn)模型進(jìn)行了重新定義，引入了異常類型指示變量和異常懲罰量，并定義了兩類異常類型，用2004年到2009年的滬市股票數(shù)據(jù)來(lái)進(jìn)行數(shù)值試驗(yàn)，數(shù)值試驗(yàn)的結(jié)果證明了本文所給方法的有效性。
　　本文的主要工作：
　　1.首先對(duì)研究問題的背景和研究意義進(jìn)行了介紹，然后對(duì)前人得到的成果進(jìn)行了研究，并分析其中的優(yōu)缺點(diǎn)。
　　2.對(duì)時(shí)間序列模型和時(shí)間序列異常點(diǎn)模型進(jìn)行