测设备，可用于执行实施例二的方法，具体实现方式和技术效 果类似，运里不再寶述。
[0187] 图9为本发明实施例六提供的异常检测设备的结构示意图，如图9所示，本实施例 的异常检查设备在图8所示异常检测设备的基础上还包括：
[0188] 预处理模块17,用于通过最小二乘法去除所述历史数据序列和所述近期趋势数据 序列中的异常数据。
[0189] 本实施例中，所述告警模块16具体用于：
[0190] 根据所述当前检测点的观测值和所述当前检测点的动态阔值范围确定单点异常 量，所述单点异常量为所述当前检测点的观测值超出所述当前检测点的动态阔值范围的 值；
[0191] 根据所述单点异常量和前一时刻的告警统计量确定所述当前检测点的告警统计 量；
[0192] 根据所述当前检测点的动态阔值范围和异常发生的点数计算所述当前检测点的 告警统计量的阔值范围；
[0193] 判断所述当前检测点的告警统计量是否属于所述当前检测点的告警统计量的阔 值范围；
[0194] 如果所述当前检测点的告警统计量不属于所述当前检测点的告警统计量的阔值 范围，则判断告警标识是否为真，如果所述告警标识不为真，则触发告警，记录告警时间起 点，将所述告警标识设置为真，继续检测下一个检测点，如果所述告警标识为真，则继续检 测下一个检测点；
[0195] 如果所述当前检测点的告警统计量属于所述当前检测点的告警统计量的阔值范 围，则判断所述告警标识是否为真，如果所述告警标识为真，则结束告警，记录告警事件终 点，将所述告警标识设置为否，继续检测下一个检测点，如果所述告警标识不为真，则继续 检测下一个检测点。
[0196] 本实施例的异常检测设备，具体用于执行实施例一的方法，具体实现方式和技术 效果类似，运里不再寶述。
[0197] 图10为本发明实施例屯提供的异常检测设备的实体结构的示意图，如图10所示， 异常检测设备200包括通信接口 21、处理器22、存储器23和总线24，其中，通信接口 21、处理 器22、存储器23通过总线24相互连接。总线24可W是外设部件互连标准（peripheral component interconnect，简称PCI)总线或扩展工业标准结构（extended industiT S化ndard architecture，简称EISA)总线等。所述总线可W分为地址总线、数据总线、控制 总线等。为便于表示，图10中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总 线。通信接口 21用于实现数据库读写装置与其他设备(例如客户端、读写库和只读库）之间 的通信。存储器23可能包含随机存取存储器(random access memory,简称RAM),也可能还 包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
[0198] 处理器22执行存储器23所存放的程序代码，实现实施例一至实施例=的异常检测 方法。
[0199] 上述的处理器22可W是通用处理器，包括中央处理器（Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等;还可W是数字信号处理器 (DSP)、专用集成电路(ASIC)、现场可编程口阵列(FPGA)或者其他可编程逻辑器件、分立口 或者晶体管逻辑器件、分立硬件组件。
[0200] 本领域普通技术人员可W理解:实现上述各方法实施例的全部或部分步骤可W通 过程序指令相关的硬件来完成。前述的程序可W存储于一计算机可读取存储介质中。该程 序在执行时，执行包括上述各方法实施例的步骤;而前述的存储介质包括:R〇M、RAM、磁碟或 者光盘等各种可W存储程序代码的介质。
[0201] 最后应说明的是：W上各实施例仅用W说明本发明的技术方案，而非对其限制； 尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其 依然可W对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征 进行等同替换；而运些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技 术方案的范围。
【主权项】
1. 一种异常检测方法，其特征在于，包括： 获取待检测设备的性能参数的历史数据序列和近期趋势数据序列，所述历史数据序列 包括当前检测点的观测值和所述当前检测点所属的当前检测周期之前的N个检测周期内的 同一检测点的观测值，所述近期趋势数据序列包括所述当前检测点的观测值和所述当前检 测点之前的N个检测点的观测值； 根据所述历史数据序列计算得到所述当前检测点的第一动态阈值范围，以及根据所述 近期趋势数据序列计算得到所述当前检测点的第二动态阈值范围； 根据所述第一动态阈值范围、所述第二动态阈值范围和动态阈值选择策略确定所述当 前检测点的动态阈值范围； 判断所述当前检测点的观测值是否属于所述当前检测点的动态阈值范围； 如果所述当前检测点的观测值属于所述当前检测点的动态阈值范围，则将所述当前检 测点的观测值作为历史数据，继续检测下一个检查点； 如果所述当前检测点的观测值不属于所述当前检测点的动态阈值范围，则将所述当前 检测点的观测值作为历史数据，并进行异常告警处理。2. 根据权利要求1所述的方法，其特征在于，所述根据所述历史数据序列计算得到所述 当前检测点的第一动态阈值范围，以及根据所述近期趋势数据序列计算得到所述当前检测 点的第二动态阈值范围，包括： 根据所述历史数据序列计算得到第一判异决策值序列，根据所述近期趋势数据序列计 算得到第二判异决策值序列； 根据所述历史数据序列和所述第一判异决策值序列计算得到所述历史数据序列的阈 值动态范围，以及根据所述近期趋势数据序列和所述第二判异决策值序列计算得到所述近 期趋势数据序列的阈值动态范围； 根据所述当前检测点的观测值和所述当前检测点的第一判异决策值的关系以及所述 历史数据序列的阈值动态范围，确定所述当前检测点的观测值的第一动态阈值范围，根据 所述当前检测点的观测值和所述当前检测点的第二判异决策值的关系以及所述近期趋势 数据序列的阈值动态范围，确定所述当前检测点的观测值的第二动态阈值范围。3. 根据权利要求2所述的方法，其特征在于，所述根据所述当前检测点的观测值和所述 当前检测点的第一判异决策值的关系以及所述历史数据序列的阈值动态范围，确定所述当 前检测点的观测值的第一动态阈值范围，根据所述当前检测点的观测值和所述当前检测点 的第二判异决策值的关系以及所述近期趋势数据序列的阈值动态范围，确定所述当前检测 点的观测值的第二动态阈值范围，包括： 根据所述当前检测点的观测值和所述当前检测点的第一判异决策值的关系，用所述当 前检测点的观测值表示所述当前检测点的第一判异决策值，得到所述当前检测点的第一判 异决策值的第一表达式； 根据所述当前检测点的观测值和所述当前检测点的第二判异决策值的关系，用所述当 前检测点的观测值表示所述当前检测点的第二判异决策值，得到所述当前检测点的第二判 异决策值的第二表达式； 将所述第一表达式带入所述历史数据序列的阈值动态范围得到第一不等式，对所述第 一不等式进行等价变换，得到所述第一阈值动态范围； 将所述第二表达式带入所述近期趋势数据序列的阈值动态范围得到第二不等式，对所 述第二不等式进行等价变换，得到所述第二阈值动态范围。4. 根据权利要求1-3中任一项所述的方法，其特征在于，所述动态阈值选取策略包括以 下策略中的任意一个： 策略一:所述当前检测点的动态阈值范围的上限为Min(HDT_Upper，RDT_Upper)，所述 当前检测点的动态阈值范围的下限为131(册1'_1^61'，1^)1'_1^61')，其中，!101'_1^61'为所述 第一动态阈值范围的上限，RDT_Upper为所述第二动态阈值范围的上限，HDT_L 〇wer为所述 第一动态阈值范围的下限，RDT_L〇wer为所述第二动态阈值范围的下限； 策略二:所述当前检测点的动态阈值范围的上限为Max(HDT_Upper，RDT_Upper)，所述 当前检测点的动态阈值范围的下限为Min(HDT_Lower，RDT_Lower); 策略三:所述当前检测点的动态阈值范围的上限为Hweight*HDT_Upper+Rweight*RDT_ Upper，所述当前检测点的阈值范围的下限为Hwe i ght*HDT_Lower+Rwe i ght*RDT_Lower，其 中，Hwe ight表示所述第一动态阈值范围的权重，Rwe ight表示所述第二动态阈值范围的权 重。5. 根据权利要求1所述的方法，其特征在于，所述根据所述历史数据序列计算得到所述 当前检测点的第一动态阈值范围，以及根据所述近期趋势数据序列计算得到所述当前检测 点的第二动态阈值范围之前，所述方法还包括： 通过最小二乘法去除所述历史数据序列和所述近期趋势数据序列中的异常数据。6. 根据权利要求2所述的方法，其特征在于，所述根据所述历史数据序列计算得到第一 判异决策值序列，根据所述近期趋势数据序列计算得到第二判异决策值序列，包括： 对所述历史数据序列和所述近期趋势数据序列分别进行零均值化处理； 根据零均值化后的历史数据序列确定预测模型的第一系数，根据零均值化后的近期趋 势数据序列确定所述预测模型的第二系数； 根据所述预测模型的第一系数，计算所述历史数据序列中每个检测点零均值化后的预 测值，根据所述预测模型的第二系数，计算所述近期趋势数据序列中每个检测点零均值化 后的预测值； 计算所述历史数据序列中每个检测点零均值化后的观测值和预测值的残差，得到第一 残差序列，计算所述近期趋势数据序列中每个检测点零均值化后的观测值和预测值的残 差，得到第二残差序列； 计算所述第一残差序列的标准差，根据所述第一残差序列与所述第一残差序列的标准 差的比值，得到所述第一判异决策值序列，计算所述第二残差序列的标准差，根据所述第二 残差序列与所述第二残差序列的标准差的比值，得到所述第二判异决策值序列。7. 根据权利要求6所述的方法，其特征在于，所述根据所述历史数据序列和所述第一判 异决策值序列计算得到所述历史数据序列的阈值动态范围，以及根据所述近期趋势数据序 列和所述第二判异决策值序列计算得到所述近期趋势数据序列的阈值动态范围，包括： 计算所述历史数据序列的前N个观测值的均方差，以及计算所述近期趋势数据序列的 前N个观测值的均方差； 获取所述历史数据序列的前N个观测值的波动周期的正比例函数，以及获取所述近期 趋势数据序列的前N个观测值的波动周期的正比例函数； 根据所述历史数据序列的前N个观测值的均方差和波动周期的正比例函数，计算第一 波动系数，根据所述近期趋势数据序列的前N个观测值的均方差和波动周期的正比例函数， 计算第二波动系数； 计算所述第一判异决策值序列中正决策值的平均值和标准差，以及负决策值的平均值 和标准差，计算所述第二判异决策值序列中正决策值的平均值和标准差，以及负决策值的 平均值和标准差； 根据所述第一判异决策值序列中正决策值的平均值和标准差、负决策值的平均值和标 准差以及所述第一波动系统，得到