设计说明书-基于数据挖掘的时间序列异常事件检测技术研究.docVIP

基于数据挖掘的时间序列异常事件检测技术研究 摘 要 研究时间序列的异常事件的检测对于当今社会有重要的学术意义和现实意义。针对时间序列的连续性和非线性的复杂特征，开创了时间序列异常检测的新纪元。时间序列是特殊的数据序列中的一种，其在经济、金融、科学等各个领域都被广泛运用。所以对时间序列的异常检测在现实中具有及其重要的地位。 论文重点研究了基于四分法的异常检测和基于密度的dbscan算法的异常检测，还有基于ARMA模型的异常检测。首先是运用四分法粗略检测异常点的分布，这是一种比较简单常规的处理办法，可以去除很明显的异常点。而dbscan算法则较为复杂，是基于密度的一种解决方案，通过对邻域的判断来区分异常点，其结果较为精确。用ARMA模型对数据进行处理，判断数据是否平缓可适用于这个模型的选择，再甄别出异常点。 关键词：异常点，时间序列，ARMA模型，异常检测 ABSTRACT The detection of abnormal events of time series is of great academic and practical significance for the society today. The new era of anomaly detection of time ser