如何发现风传感器时间序列数据中的异常？答案

【问题标题】：How to find anomalies in wind-sensor TimeSeries data?如何发现风传感器时间序列数据中的异常？
【发布时间】：2019-11-28 07:38:35
【问题描述】：

我有包含TimeStamp[hour base] 和风传感器值的时间序列数据集。我需要从这个数据集中找出异常。

发现异常的技术有哪些？

如何仅通过这两个特征（TimeStamp、sensor-value）发现异常？

【问题讨论】：

【解决方案1】：

非常广泛的问题，所以这将是一个通用/广泛的答案：

要定义异常，您需要思考并定义您认为正常的情况。通常我们在（时间序列）数据方面考虑两件事；

数据可用性：那里的数据是您期望的吗？通常通过查看随时间变化的行数来监控（您插入的数据比预期的多还是少）此处也可以使用对空值进行计数，但这已经导致数据质量问题：
数据质量：是您期望的范围内的值吗？它们是您期望的类型/格式等吗？您可以使用标准偏差/方差/正态分布来监控这一点。或硬限制并定义您接受/期望的值（例如最小值、最大值）

【讨论】：

检测异常的步骤： 1. 计算误差项（实际-预测）。 2. 计算滚动平均值和滚动标准差（窗口为一周）。 3. 将误差为 1.5、1.75 和 2 个标准差的数据分类为低、中、高异常的界限。（5% 的数据点将基于此属性识别异常）这是正确的方法吗？