本發(fā)明涉及數(shù)據(jù)異常處理技術(shù)領(lǐng)域，尤其涉及一種針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法及系統(tǒng)。

背景技術(shù)：

生產(chǎn)中經(jīng)常需要對異常的業(yè)務(wù)數(shù)據(jù)進(jìn)行識別告警，業(yè)務(wù)數(shù)據(jù)通常具有一定的季節(jié)性，如網(wǎng)站各個(gè)時(shí)間段的訪問量等，并通過不斷聚集展示分析結(jié)果，為市場精準(zhǔn)化營銷水平和深度運(yùn)營能力提供了有力支撐，一些常用的開源監(jiān)控軟件如open-falcon,prometheus都不支持此類異常識別，

現(xiàn)有技術(shù)的缺點(diǎn)：維護(hù)人員通過終端登陸業(yè)務(wù)數(shù)據(jù)系統(tǒng)，并訪問經(jīng)分后臺數(shù)據(jù)，維護(hù)人員通過前臺系統(tǒng)的體現(xiàn)的業(yè)務(wù)數(shù)據(jù)的分析結(jié)果，對系統(tǒng)生成的業(yè)務(wù)數(shù)據(jù)進(jìn)行檢查分析，與前日數(shù)據(jù)波動范圍比例(或者計(jì)算年同期比，月同期環(huán)比)，進(jìn)行正態(tài)分布的序列的分析，在數(shù)據(jù)波動范圍超過閥值時(shí)進(jìn)行數(shù)據(jù)異常告警，如果指標(biāo)不正常，則處理故障。

當(dāng)前對于符合正態(tài)分布的序列，做異常點(diǎn)識別的方法比較成熟。對于有季節(jié)性有時(shí)序一般思路都是想辦法轉(zhuǎn)化為一個(gè)正態(tài)分布，但沒有一個(gè)可行有用的方法。

因此，本領(lǐng)域的技術(shù)人員亟需研究出一種針對季節(jié)性的時(shí)序，能夠在時(shí)序中有效的發(fā)現(xiàn)其中的異常點(diǎn)，模型簡單，容易代碼實(shí)現(xiàn)、能快速準(zhǔn)確識別異常點(diǎn)、及時(shí)修正異常數(shù)據(jù)的針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是提供一種針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法，該針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法能夠在時(shí)序中有效的發(fā)現(xiàn)其中的異常點(diǎn)，模型簡單，容易代碼實(shí)現(xiàn)、能準(zhǔn)確分析運(yùn)行的業(yè)務(wù)數(shù)據(jù)及相關(guān)數(shù)據(jù)的異常數(shù)據(jù)點(diǎn)，幫助快速發(fā)現(xiàn)事件或者服務(wù)器10的異常問題，及時(shí)對異常問題進(jìn)行處理，能快速準(zhǔn)確識別異常點(diǎn)、及時(shí)、優(yōu)化、準(zhǔn)確地修正異常數(shù)據(jù)。

為解決上述技術(shù)問題，本發(fā)明提供了一種針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法，其特征在于：提供服務(wù)器、數(shù)據(jù)處理模塊及數(shù)據(jù)異常點(diǎn)檢測模塊，所述數(shù)據(jù)處理模塊提取數(shù)據(jù)的周期t1、t2、t3、...、tj，當(dāng)前的時(shí)間n,以及數(shù)據(jù)采集頻率i,根據(jù)所述周期(t1、t2、t3、...、tj)、當(dāng)前時(shí)間n及數(shù)據(jù)采集頻率i得出時(shí)序:(n,n-1i,n-2i,...,n-60i)、(n-t1,n-t1-i,n-t1-2i,..,n-t1-60i),(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i)，...，(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i),并根據(jù)所述時(shí)序獲取時(shí)序的相關(guān)測試數(shù)據(jù)，分別記為r',d1',d2'，...，dj’，所述數(shù)據(jù)處理模塊將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行存儲并發(fā)送給所述數(shù)據(jù)異常點(diǎn)檢測模塊，所述數(shù)據(jù)異常點(diǎn)檢測模塊根據(jù)模型異常點(diǎn)計(jì)算策略對所述時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行異常檢測，所述數(shù)據(jù)異常點(diǎn)檢測模塊包括：模型建立計(jì)算單元及異常點(diǎn)識別單元；所述數(shù)據(jù)異常點(diǎn)檢測模塊配置有模型異常點(diǎn)計(jì)算策略，所述模型異常點(diǎn)計(jì)算策略為：所述模型建立計(jì)算單元建立模型m0:a0e+a1d1+a2d2+...+ajdj＝r、模型m1:a0e+a1d1+a2d2+...+ajdj＝p,及模型m2:e＝r-p,所述模型建立計(jì)算單元計(jì)算上述模型m中的a0、a1、a2、...、aj，并將計(jì)算出的數(shù)據(jù)a0、a1、a2、...、aj代入到所述模型m1中得出p,同時(shí)更新模型m2的數(shù)據(jù)，所述模型建立計(jì)算單元將建立并計(jì)算完成的模型數(shù)據(jù)發(fā)送給所述異常點(diǎn)識別單元，其中，所述e為異常數(shù)據(jù)待審核區(qū)域；所述異常點(diǎn)識別單元配置有公式：|ed-u|＞3*sigma，所述異常點(diǎn)識別單元在所述e中隨機(jī)提取數(shù)據(jù)ed代入公式|ed-u|＞3*sigma中，如果公式成立，則判斷所述ed為數(shù)據(jù)異常點(diǎn)，如果公式不成立，則判斷所述ed不是數(shù)據(jù)異常點(diǎn)，其中，ed為所述異常點(diǎn)識別單元對所述模型m2的e區(qū)域的數(shù)據(jù)隨機(jī)取出的數(shù)值。

優(yōu)選地，所述數(shù)據(jù)異常點(diǎn)檢測模塊還包括異常點(diǎn)數(shù)據(jù)定位單元，所述針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法還包括步驟：所述異常點(diǎn)識別單元將所述異常點(diǎn)識別的數(shù)據(jù)ed發(fā)送給所述異常點(diǎn)數(shù)據(jù)定位單元，如果|ed-u|＞3*sigma成立，所述異常點(diǎn)數(shù)據(jù)定位單元從所述數(shù)據(jù)r中搜索出與所述數(shù)據(jù)ed對應(yīng)的數(shù)據(jù)，并標(biāo)識該數(shù)據(jù)為異常數(shù)據(jù)。

優(yōu)選地，所述數(shù)據(jù)處理模塊包括數(shù)據(jù)獲取單元、數(shù)據(jù)轉(zhuǎn)換單元及數(shù)據(jù)存儲單元，“所述數(shù)據(jù)處理模塊提取周期、當(dāng)前時(shí)間及數(shù)據(jù)采集頻率并獲取的時(shí)序相關(guān)的測試數(shù)據(jù)”的步驟的實(shí)現(xiàn)步驟包括：所述業(yè)務(wù)數(shù)據(jù)獲取單元提取數(shù)據(jù)的周期t1、t2、t3、...、tj，當(dāng)前的時(shí)間n,以及數(shù)據(jù)采集頻率i,所述數(shù)據(jù)轉(zhuǎn)換單元根據(jù)所述周期(t1、t2、t3、...、tn)、當(dāng)前時(shí)間n及數(shù)據(jù)采集頻率i得出時(shí)序:(n,n-1i,n-2i,...,n-60i)、(n-t1,n-t1-i,n-t1-2i,..,n-t1-60i),(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i)，...，(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i),并將數(shù)據(jù)發(fā)送給所述數(shù)據(jù)獲取單元，所述數(shù)據(jù)獲取單元根據(jù)所述時(shí)序獲取時(shí)序的相關(guān)測試數(shù)據(jù)，分別記為r',d1',d2'，...，dj’，所述數(shù)據(jù)獲取單元將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)發(fā)送給所述數(shù)據(jù)存儲單元存儲進(jìn)行存儲，所述數(shù)據(jù)獲取單元將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)發(fā)送給所述數(shù)據(jù)異常點(diǎn)檢測模塊。

優(yōu)選地，所述數(shù)據(jù)異常點(diǎn)檢測模塊還包括異常數(shù)據(jù)修正單元，所述針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法還包括以下步驟：所述異常數(shù)據(jù)修正單元根據(jù)所述模型建立計(jì)算單元及所述異常點(diǎn)識別單元得出的r值，運(yùn)用異常修正策略對所述r值進(jìn)行修正。

優(yōu)選地，所述步驟“所述模型建立計(jì)算單元計(jì)算上述模型m中的a0、a1、a2、...、aj”的實(shí)現(xiàn)步驟包括：所述模型建立計(jì)算單元對模型m：a0e+a1d1+a2d2+...+ajdj＝r的圖像輪廓點(diǎn)進(jìn)行最小二乘直線擬合，得到擬合曲線l2：a01e+a11′d1+a21′d2+...+aj1′dj＝r，結(jié)合所述擬合曲線l2得出a0、a1、a2、...、aj。

優(yōu)選地，所述異常修正策略包括公式：所述數(shù)據(jù)r在時(shí)序數(shù)據(jù)中形成輸入層、隱層與輸出層，為所述模型建立計(jì)算單元及所述異常點(diǎn)識別單元得出的r值對應(yīng)的修正值，η為迭代系數(shù)，y^r-1(i)為第y-1輸出層中的異常數(shù)據(jù)r的數(shù)值，為所述r值在隱層的數(shù)值，為異常數(shù)據(jù)r在輸入層的的數(shù)值。

為解決上述技術(shù)問題，本發(fā)明還提供一種運(yùn)用上述的針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法的識別系統(tǒng)；

采用了上述方法及系統(tǒng)之后，所述數(shù)據(jù)處理模塊提取數(shù)據(jù)的周期t1、t2、t3、...、tj，當(dāng)前的時(shí)間n,以及數(shù)據(jù)采集頻率i,根據(jù)所述周期(t1、t2、t3、...、tj)、當(dāng)前時(shí)間n及數(shù)據(jù)采集頻率i得出時(shí)序:(n,n-1i,n-2i,...,n-60i)、(n-t1,n-t1-i,n-t1-2i,..,n-t1-60i),(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i)，...，(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i),并根據(jù)所述時(shí)序獲取時(shí)序的相關(guān)測試數(shù)據(jù)，分別記為r',d1',d2'，...，dj’，所述數(shù)據(jù)處理模塊將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行存儲并發(fā)送給所述數(shù)據(jù)異常點(diǎn)檢測模塊，所述數(shù)據(jù)異常點(diǎn)檢測模塊根據(jù)模型異常點(diǎn)計(jì)算策略對所述時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行異常檢測，所述數(shù)據(jù)異常點(diǎn)檢測模塊配置有模型異常點(diǎn)計(jì)算策略，所述模型異常點(diǎn)計(jì)算策略為：所述模型建立計(jì)算單元建立模型m0:a0e+a1d1+a2d2+...+ajdj＝r、模型m1:a0e+a1d1+a2d2+...+ajdj＝p,及模型m2:e＝r-p,所述模型建立計(jì)算單元計(jì)算上述模型m中的a0、a1、a2、...、aj，并將計(jì)算出的數(shù)據(jù)a0、a1、a2、...、aj代入到所述模型m1中得出p,同時(shí)更新模型m2的數(shù)據(jù)，所述模型建立計(jì)算單元將建立并計(jì)算完成的模型數(shù)據(jù)發(fā)送給所述異常點(diǎn)識別單元，其中，所述e為異常數(shù)據(jù)待審核區(qū)域；所述異常點(diǎn)識別單元配置有公式：|ed-u|＞3*sigma，所述異常點(diǎn)識別單元在所述e中隨機(jī)提取數(shù)據(jù)ed代入公式|ed-u|＞3*sigma中，如果公式成立，則判斷所述ed為數(shù)據(jù)異常點(diǎn)，如果公式不成立，則判斷所述ed不是數(shù)據(jù)異常點(diǎn)，該針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法及系統(tǒng)能夠在時(shí)序中有效的發(fā)現(xiàn)其中的異常點(diǎn)，模型簡單，容易代碼實(shí)現(xiàn)、能準(zhǔn)確分析運(yùn)行的業(yè)務(wù)數(shù)據(jù)及相關(guān)數(shù)據(jù)的異常數(shù)據(jù)點(diǎn)，幫助快速發(fā)現(xiàn)事件或者服務(wù)器的異常問題，及時(shí)對異常問題進(jìn)行處理，能快速準(zhǔn)確識別異常點(diǎn)、及時(shí)、優(yōu)化、準(zhǔn)確地修正異常數(shù)據(jù)。

附圖說明

圖1是本發(fā)明的一種針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法的執(zhí)行流程圖；

圖2是本發(fā)明的一種針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法的整體模型示意圖；

具體實(shí)施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用于解釋本發(fā)明，并不用于限定本發(fā)明。

實(shí)施例1

請參閱圖1至圖2，

圖1是本發(fā)明的一種針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法的執(zhí)行流程圖；

圖2是本發(fā)明的一種針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法的整體模型示意圖。

本發(fā)明公開了一種針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法，提供服務(wù)器10、數(shù)據(jù)處理模塊11及數(shù)據(jù)異常點(diǎn)檢測模塊12，所述數(shù)據(jù)處理模塊11提取數(shù)據(jù)的周期t1、t2、t3、...、tj，當(dāng)前的時(shí)間n,以及數(shù)據(jù)采集頻率i,根據(jù)所述周期(t1、t2、t3、...、tj)、當(dāng)前時(shí)間n及數(shù)據(jù)采集頻率i得出時(shí)序:(n,n-1i,n-2i,...,n-60i)、(n-t1,n-t1-i,n-t1-2i,..,n-t1-60i),(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i)，...，(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i),并根據(jù)所述時(shí)序獲取時(shí)序的相關(guān)測試數(shù)據(jù)，分別記為r',d1',d2'，...，dj’，所述數(shù)據(jù)處理模塊11將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行存儲并發(fā)送給所述數(shù)據(jù)異常點(diǎn)檢測模塊12，數(shù)據(jù)異常點(diǎn)檢測模塊12根據(jù)模型異常點(diǎn)計(jì)算策略對所述時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行異常檢測，所述數(shù)據(jù)異常點(diǎn)檢測模塊12包括：模型建立計(jì)算單元121、異常點(diǎn)識別單元122、異常點(diǎn)數(shù)據(jù)定位單元123及異常數(shù)據(jù)修正單元124；所述數(shù)據(jù)異常點(diǎn)檢測模塊12配置有模型異常點(diǎn)計(jì)算策略，所述模型異常點(diǎn)計(jì)算策略為：所述模型建立計(jì)算單元121建立模型m0:a0e+a1d1+a2d2+...+ajdj＝r、模型m1:a0e+a1d1+a2d2+...+ajdj＝p,及模型m2:e＝r-p,所述模型建立計(jì)算單元121計(jì)算上述模型m中的a0、a1、a2、...、aj，并將計(jì)算出的數(shù)據(jù)a0、a1、a2、...、aj代入到所述模型m1中得出p,同時(shí)更新模型m2的數(shù)據(jù)，所述模型建立計(jì)算單元121將建立并計(jì)算完成的模型數(shù)據(jù)發(fā)送給所述異常點(diǎn)識別單元122，其中，所述e為異常數(shù)據(jù)待審核區(qū)域；所述異常點(diǎn)識別單元122配置有公式：|ed-u|＞3*sigma，所述異常點(diǎn)識別單元122在所述e中隨機(jī)提取數(shù)據(jù)ed代入公式|ed-u|＞3*sigma中，如果公式成立，則判斷所述ed為數(shù)據(jù)異常點(diǎn)，如果公式不成立，則判斷所述ed不是數(shù)據(jù)異常點(diǎn)，其中，ed為所述異常點(diǎn)識別單元122對所述模型m2的e區(qū)域的數(shù)據(jù)隨機(jī)取出的數(shù)值；

所述異常點(diǎn)識別單元122將所述異常點(diǎn)識別的數(shù)據(jù)ed發(fā)送給所述異常點(diǎn)數(shù)據(jù)定位單元123，如果|ed-u|＞3*sigma成立，所述異常點(diǎn)數(shù)據(jù)定位單元123從所述數(shù)據(jù)r中搜索出與所述數(shù)據(jù)ed對應(yīng)的數(shù)據(jù)，并標(biāo)識該數(shù)據(jù)為異常數(shù)據(jù)；

所述異常數(shù)據(jù)修正單元124根據(jù)所述模型建立計(jì)算單元121及所述異常點(diǎn)識別單元122得出的r值，運(yùn)用異常修正策略對所述r值進(jìn)行修正，所述異常修正策略包括公式：所述數(shù)據(jù)r在時(shí)序數(shù)據(jù)中形成輸入層、隱層與輸出層，為所述模型建立計(jì)算單元121及所述異常點(diǎn)識別單元122得出的r值對應(yīng)的修正值，η為迭代系數(shù)，y^r-1(i)為第y-1輸出層中的異常數(shù)據(jù)r的數(shù)值，為所述r值在隱層的數(shù)值，為異常數(shù)據(jù)r在輸入層的的數(shù)值。

在本實(shí)施例，所述數(shù)據(jù)處理模塊11包括數(shù)據(jù)獲取單元111、數(shù)據(jù)轉(zhuǎn)換單元112及數(shù)據(jù)存儲單元113，“所述數(shù)據(jù)處理模塊11提取周期、當(dāng)前時(shí)間及數(shù)據(jù)采集頻率并獲取的時(shí)序相關(guān)的測試數(shù)據(jù)”的步驟的實(shí)現(xiàn)步驟包括：所述業(yè)務(wù)數(shù)據(jù)獲取單元111提取數(shù)據(jù)的周期t1、t2、t3、...、tj，當(dāng)前的時(shí)間n,以及數(shù)據(jù)采集頻率i,所述數(shù)據(jù)轉(zhuǎn)換單元112根據(jù)所述周期(t1、t2、t3、...、tn)、當(dāng)前時(shí)間n及數(shù)據(jù)采集頻率i得出時(shí)序:(n,n-1i,n-2i,...,n-60i)、(n-t1,n-t1-i,n-t1-2i,..,n-t1-60i),(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i)，...，(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i),并將數(shù)據(jù)發(fā)送給所述數(shù)據(jù)獲取單元111，所述數(shù)據(jù)獲取單元111根據(jù)所述時(shí)序獲取時(shí)序的相關(guān)測試數(shù)據(jù)，分別記為r',d1',d2'，...，dj’，所述數(shù)據(jù)獲取單元111將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)發(fā)送給所述數(shù)據(jù)存儲單元113存儲進(jìn)行存儲，所述數(shù)據(jù)獲取單元111將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)發(fā)送給所述數(shù)據(jù)異常點(diǎn)檢測模塊12。

在本實(shí)施例中，所述步驟“所述模型建立計(jì)算單元121計(jì)算上述模型m中的a0、a1、a2、...、aj”的實(shí)現(xiàn)步驟包括：所述模型建立計(jì)算單元121對模型m：a0e+a1d1+a2d2+...+ajdj＝r的圖像輪廓點(diǎn)進(jìn)行最小二乘直線擬合，得到擬合曲線l2：a01e+a11′d1+a21′d2+...+aj1′dj＝r，結(jié)合所述擬合曲線l2得出a0、a1、a2、...、aj；

其中：m0模型的求解，有很多開源的數(shù)據(jù)庫可以使用，如python的statsmodels，go的github.com/montanaflynn/stats等

實(shí)施例2，

本發(fā)明還公開一種運(yùn)用實(shí)施1所述的針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法的識別系統(tǒng)，包括服務(wù)器10、數(shù)據(jù)處理模塊11及數(shù)據(jù)異常點(diǎn)檢測模塊12，所述數(shù)據(jù)處理模塊11提取數(shù)據(jù)的周期t1、t2、t3、...、tj，當(dāng)前的時(shí)間n,數(shù)據(jù)采集頻率i,根據(jù)所述周期(t1、t2、t3、...、tn)、當(dāng)前時(shí)間n及采集頻率i得出時(shí)序:(n,n-1i,n-2i,...,n-60i)、(n-t1,n-t1-i,n-t1-2i,..,n-t1-60i),(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i)，...，(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i),并根據(jù)所述時(shí)序獲取時(shí)序的相關(guān)測試數(shù)據(jù)，分別記為r',d1',d2'，...，dj’，所述數(shù)據(jù)處理模塊11將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行存儲并發(fā)送給所述數(shù)據(jù)異常點(diǎn)檢測模塊12，所述數(shù)據(jù)異常點(diǎn)檢測模塊12包括：模型建立計(jì)算單元121及異常點(diǎn)識別單元122；所述數(shù)據(jù)異常點(diǎn)檢測模塊12配置有模型異常點(diǎn)計(jì)算策略，所述模型異常點(diǎn)計(jì)算策略為：所述模型建立計(jì)算單元121建立模型m0:a0e+a1d1+a2d2+...+ajdj＝r，模型m1:a0e+a1d1+a2d2+...+ajdj＝p,及模型m2:e＝r-p,所述模型建立計(jì)算單元121計(jì)算上述模型m中的a0、a1、a2、...、aj，并將計(jì)算出的數(shù)據(jù)a0、a1、a2、...、aj代入到所述模型m1中得出p,同時(shí)更新模型m2的數(shù)據(jù)，所述模型建立計(jì)算單元121將建立并計(jì)算完成的模型數(shù)據(jù)發(fā)送給所述異常點(diǎn)識別單元122，其中，所述e為異常數(shù)據(jù)待審核區(qū)域；所述異常點(diǎn)識別單元122配置有公式：|ed-u|＞3*sigma，所述異常點(diǎn)識別單元122在所述e中隨機(jī)提取數(shù)據(jù)ed代入公式|ed-u|＞3*sigma中，如果公式成立，則所述ed為數(shù)據(jù)異常點(diǎn)，如果公式不成立，則所述ed不是數(shù)據(jù)異常點(diǎn)，其中，ed為所述異常點(diǎn)識別單元122對所述模型m2的e區(qū)域的數(shù)據(jù)隨機(jī)取出數(shù)值。

采用上述的方法與系統(tǒng)之后，所述數(shù)據(jù)處理模塊11提取數(shù)據(jù)的周期t1、t2、t3、...、tj，當(dāng)前的時(shí)間n,以及數(shù)據(jù)采集頻率i,根據(jù)所述周期(t1、t2、t3、...、tj)、當(dāng)前時(shí)間n及數(shù)據(jù)采集頻率i得出時(shí)序:(n,n-1i,n-2i,...,n-60i)、(n-t1,n-t1-i,n-t1-2i,..,n-t1-60i),(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i)，...，(n-t2,n-t2-i,n-t2-2i,..,n-t2-60i),并根據(jù)所述時(shí)序獲取時(shí)序的相關(guān)測試數(shù)據(jù)，分別記為r',d1',d2'，...，dj’，所述數(shù)據(jù)處理模塊11將獲取的時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行存儲并發(fā)送給所述數(shù)據(jù)異常點(diǎn)檢測模塊12，數(shù)據(jù)異常點(diǎn)檢測模塊12根據(jù)模型異常點(diǎn)計(jì)算策略對所述時(shí)序相關(guān)的測試數(shù)據(jù)進(jìn)行異常檢測，所述數(shù)據(jù)異常點(diǎn)檢測模塊12包括：模型建立計(jì)算單元121及異常點(diǎn)識別單元122；所述數(shù)據(jù)異常點(diǎn)檢測模塊12配置有模型異常點(diǎn)計(jì)算策略，所述模型異常點(diǎn)計(jì)算策略為：所述模型建立計(jì)算單元121建立模型m0:a0e+a1d1+a2d2+...+ajdj＝r、模型m1:a0e+a1d1+a2d2+...+ajdj＝p,及模型m2:e＝r-p,所述模型建立計(jì)算單元121計(jì)算上述模型m中的a0、a1、a2、...、aj，并將計(jì)算出的數(shù)據(jù)a0、a1、a2、...、aj代入到所述模型m1中得出p,同時(shí)更新模型m2的數(shù)據(jù)，所述模型建立計(jì)算單元121將建立并計(jì)算完成的模型數(shù)據(jù)發(fā)送給所述異常點(diǎn)識別單元122，其中，所述e為異常數(shù)據(jù)待審核區(qū)域；所述異常點(diǎn)識別單元122配置有公式：|ed-u|＞3*sigma，所述異常點(diǎn)識別單元122在所述e中隨機(jī)提取數(shù)據(jù)ed代入公式|ed-u|＞3*sigma中，如果公式成立，則判斷所述ed為數(shù)據(jù)異常點(diǎn)，如果公式不成立，則判斷所述ed不是數(shù)據(jù)異常點(diǎn)，該針對季節(jié)性時(shí)序數(shù)據(jù)序列中異常點(diǎn)的識別方法及系統(tǒng)能夠在時(shí)序中有效的發(fā)現(xiàn)其中的異常點(diǎn)，模型簡單，容易代碼實(shí)現(xiàn)、能準(zhǔn)確分析運(yùn)行的業(yè)務(wù)數(shù)據(jù)及相關(guān)數(shù)據(jù)的異常數(shù)據(jù)點(diǎn)，幫助快速發(fā)現(xiàn)事件或者服務(wù)器10的異常問題，及時(shí)對異常問題進(jìn)行處理，能快速準(zhǔn)確識別異常點(diǎn)、及時(shí)、優(yōu)化、準(zhǔn)確地修正異常數(shù)據(jù)。

同時(shí)，應(yīng)當(dāng)理解的是，以上僅為本發(fā)明的優(yōu)選實(shí)施例，不能因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效實(shí)現(xiàn)方法，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。