时间序列分解

对于一个时间序列X，可以分解为X=S+T+R，其中S为seasonal, T为trend, R为residual，即一个时间序列可以分解为周期成分，趋势成分，残差成分。

核心方法

潜在趋势

  • 通过对推特生产数据的分析，我们发现潜在趋势(underlying trend)在长时期时间序列异常检测中很重要
  • 不论是用传统方法还是STL方法（文中指出了这两个方法提出的论文）对时间序列进行分解，都对输入数据中的异常很敏感，容易受到影响，且非常容易在分解后的残差成分中引入人为异常
  • 我们探索了两种方法STL Trend和Quantile Regression，都不能满足我们的目的
  • 因此我们提出了一种新的方法，叫Piecewise Median

Piecewise Median

image.png

对残差进行ESD假设检验