stl 基于时间序列分解的异常检测

1. 算法主要分为 3 步

1）用时间序列分解拟合曲线

• 目的：过滤时间序列不平稳的成分，得到平稳噪声
• 什么是时间序列分解
  三种类型的时序模式（pattern）组成一段时间序列[X1, ...，Xn]
  1）Trend（趋势），数据长期的增长或下降的特产
  2）Seasonal（周期），数据潜在的周期性
  3）Residual（残差），剩下的数据部分
  三种成分组合方式：加法模型、乘法模型
  使用加法模型，三种模式加和，适用于周期浮动比较稳定的序列
• 时间序列分解算法：STL、X12-ARIMA、STAMP
• 选用 STL（基于局部加权回归的周期趋势分解）
• 传统 STL 分解中，当有非平缓趋势被检测到，原始数据去除周期、趋势之后，残差项将增加一段陡坡

2）将得到的噪声进行离群点检验

3）二次检验过滤误报，输出