Welche Merkmale hat die Anomalieerkennung in Zeitreihen (STL-Residuals, ESD)?

Anomalieerkennung in Zeitreihen verwendet häufig Methoden, die Saisonalität und Trends berücksichtigen, um Anomalien in den Residuen hervorzuheben.

STL-Residuen (Saisonal-Trend-Dekomposition mit Loess):

• STL zerlegt die Zeitreihe in drei Komponenten: Saisonalität, Trend und Residuen.
• Anomalien werden in den Residuen gesucht, da sie Abweichungen vom erwarteten Verhalten nach Berücksichtigung von Trend und Saisonalität widerspiegeln.
• Dies ermöglicht eine genauere Identifikation von Anomalien, ohne sie mit saisonalen Schwankungen zu verwechseln.

ESD (Extrem Studentized Deviate):

• Statistischer Test zur Erkennung mehrerer Ausreißer in den Daten.
• Funktioniert durch sequenzielles Entfernen der extremsten Werte und Überprüfung ihrer Signifikanz.
• Wird häufig auf Residuen nach der Dekomposition angewendet (z.B. nach STL), um statistisch signifikante Anomalien zu identifizieren.

Gemeinsam ermöglichen diese Methoden zunächst die Reinigung der Zeitreihe von saisonalen und Trend-Effekten (STL) und anschließend die Erkennung von Anomalien in den bereinigten Daten mittels eines statistischen Tests (ESD).