時間の変化に伴う変化（トレンド）の時系列でのフォールト検出

Question

私は時系列上の異常検出でかなり新しいので、私の質問はあなたの中にはっきりと分かるかもしれません。 今日、私はlstmとクラスタリング技術を使って時系列上の異常を検出していますが、時間の経過とともにゆっくりと悪化する異常を特定することはできません（つまり、傾向と呼ばれると思います）。この傾向を知り、特別なエラーなしに増加を予測する）。 このようなファルツを検出する方法はありますか？

Answer 1

通常はあなたが望む時系列を使用します。徐々に変化を学習し、突然の変化を検出します。さもなければ、時間はほとんど役割を果たしません。

私が本当に好きなEWMA + EWMVarの部分だけを取得し、あなたの上でそれを使用してください。時系列）。

実際に学習率を低く設定すると、しきい値が十分に遅くなり、「緩やかな」変化が引き続き発生する可能性があります。

時間を完全に無視します。データをトレーニングセット（異常を含んではならない）に分割し、しきい値を見つけるために平均と分散を知る。次に、これらの閾値外の任意の点を異常（すなわち、温度>平均+ 3 *標準偏差）として分類する。 この超簡単な手法は学習しないので、ドリフトにも追従しません。しかし時間はそれ以上の役割を果たすことはありません。