時間序列異常檢測的研究.pdf

1、目前時間序列異常點檢測方法都是針對特定類型動態(tài)數(shù)據(jù),但異常點往往會造成數(shù)據(jù)類型的誤判,因此在數(shù)據(jù)類型判別前進行異常檢測更為合理。一些針對時間序列異常檢測的方法非常復雜，不容易實現(xiàn)，比如本文介紹的基于貝葉斯方法的異常檢測方法，原理復雜，抽樣及反復迭代過程所產(chǎn)生的數(shù)值誤差都可能帶來誤判，且難以實現(xiàn)。文獻[40]給出了一種不限于某種特定類型數(shù)據(jù)而且比較簡單易于實現(xiàn)的方法，該方法是基于累計變化量來實現(xiàn)異常點的檢測，但是該方法無法檢測出成片的異常

2、點，并且容易產(chǎn)生誤判。為了解決文獻[40]中方法所存在的問題，本文對異常點模型進行了重新定義，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)來進行數(shù)值試驗，數(shù)值試驗的結果證明了本文所給方法的有效性。
　　本文的主要工作：
　　1.首先對研究問題的背景和研究意義進行了介紹，然后對前人得到的成果進行了研究，并分析其中的優(yōu)缺點。
　　2.對時間序列模型和時間序列異常點模型進行