参考时间序列异常值的分类及检测
参考异常值数据预警分析

1 时间序列异常的类型

时间序列异常检测是数据处理和分析的重要环节，广泛应用于量化交易、网络安全检测、自动驾驶汽车和大型工业设备日常维护等领域。在时间序列数据中，异常通常指的是与正常数据模式显著不同的数据点，可能由系统故障、错误或外部干扰引起。

异常数据，也称为离群点，是指在数据集中与其他数据点明显不同的样本。这些数据点往往不符合预期的模式或行为，可能是由噪声、错误、欺诈行为或系统故障等因素导致的。由于异常数据在整个数据集中占据很小的比例，但其影响却可能非常大，因此异常数据的检测和处理变得尤为重要。

根据异常数据的不同特征，通常可以将其分为以下几类：
(1)点异常（Point Anomaly）：在某个特定时间点上的异常数据，与其余数据点明显不同。
(2)上下文异常（Contextual Anomaly）：数据点在特定的上下文中表现异常，如在某一特定时间段内异常高的销售额。
(3)集合异常（Col