基于鲁棒时间序列分解的季节性指标异常检测
应用统计
2020-08-24 v1
摘要
网络服务的稳定性和持续性对互联网公司改善用户体验和业务表现至关重要。为了监控大量指标并报告异常情况，各公司和机构的多个部门开发并应用了时间序列异常检测方法。本文提出了一种鲁棒异常检测算法（MEDIFF），用于实时监控在线业务指标。具体而言，采用基于时间序列鲁棒统计量——中位数（median）——的分解方法，将趋势分量与季节分量解耦。针对夏令时（DST）切换和节假日的影响，从时间序列中分解出相应的分量。分解后的残差通过广义统计方法进行检验，以检测时间序列中的离群点。我们使用已标注的内部业务指标，将所提出的 MEDIFF 算法与两种开源算法（SH-ESD 和 DONUT）进行了比较。结果证明了所提 MEDIFF 算法的有效性。
引用
@article{arxiv.2008.09245,
title = {Anomaly Detection on Seasonal Metrics via Robust Time Series Decomposition},
author = {Tianwei Li and Yitong Geng and Huai Jiang},
journal= {arXiv preprint arXiv:2008.09245},
year = {2020}
}
备注
6 pages, 3 figures, accepted by IJCAI20 AI4AN workshop