Подход к анализу динамических данных на основе сегментации графических представлений и структурных признаков

Аннотация

представлен подход к анализу динамических данных, основанный на сегментации их графического представления и анализе структурных признаков. Исходные временные ряды преобразуются в форму графика (изображения), после чего график автоматически разбивается на сегменты по точкам, где существенно изменяются свойства его формы (наклон, кривизна, разрывы и др.). Для каждого сегмента подбирается модель аппроксимации (линейная, полиномиальная, экспоненциальная и др.), оптимально описывающая данные на этом участке. Выбор модели производится по критерию минимальной ошибки аппроксимации с учетом штрафа за сложность модели. Рассматриваются метрические характеристики, позволяющие количественно оценить разницу между соседними сегментами по их статистическим свойствам и параметрам моделей. Формально аномалия определяется как сегмент или точка, чье поведение значительно отклоняется от ожидаемого на основе моделей других сегментов. Предложенный метод позволяет выявлять как точечные аномалии, так и аномальные последовательности точек (коллективные аномалии) в динамических рядах. Приведен пример сегментации синтетического временного ряда с визуализацией обнаруженных сегментов и аномалий. Показано сравнение с классическими методами обнаружения изменений: предложенный подход дает интерпретируемое разбиение и обладает гибкостью в учете различных структурных признаков, что выгодно отличает его от сугубо статистических тестов.