基于ARIMA模型和K−Means的组合异常检测方法

摘要

针对时间序列中异常点的检测计算问题,提出了一种基于ARIMA模型和基于K−Means模型的组合异常检测计算方法。首先测试训练采用差分自回归移动平均模型(ARIMA),之后采用滑动窗口配合ARIMA模型对测试集进行预测得到异常预测值,然后计算误差项以及误差项的置信区间,误差项在置信区间判定范围以外的,将其对应的原始值判定为异常值。在检测出异常值之后,采用K−Means算法对原始数据进行聚类,然后通过计算出状态转移概率,对检测出的异常的取值结果进行质量评估,最后确定出异常值。实验探讨了算法中的滑动窗口对异常检测的影响,并以NAB部分数据集对算法进行了验证。实验结果表明,与同类经典算法相比,该算法不仅能够有效检测出时间序列中的异常点,而且在提高精准率和正确率方面取得了很好的效果。