بهبود کشف شکوفایی با حذف اثرات روندی و فصلی در جریان داده

شکوفایی فرکانس بالای غیر معمول از وقوع یک رویداد در پنجره زمانی است. تشخیص شکوفایی فعالیتی است که تجمیع های غیر عادی را در جریان داده پیدا می کند. روند و فصلی دو مشخصه مهم از سری های زمانی هستند که اغلب اتفاق می افتند. مطالعه حاضر سعی می‏کند تشخیص شکوفایی را بهبود دهد. ما از روش مبتنی بر موجک برای تشخیص شکوفایی در جریان داده استفاده کردیم و اثرفصلی و روندی را از جریان داده به منظور بهبود تشخیص شکوفایی حذف نمودیم. دو روش در تشخیص شکوفایی وجود دارد، روش های مبتنی بر آستانه و روش های مبتنی بر وضعیت. ما از ساختار درخت باینری انتقالی برای نظارت بر شکوفایی ارتجاعی موثر استفاده کردیم و مولفه های فصلی و روندی را با استفاده از توابع سری زمانی حذف نمودیم. ما روش خود را روی داده های دنیای واقعی بکار بردیم و شرکتی که دستگاه های الکترونیکی تولید می‏کند را مورد مطالعه قرار دادیم. در مرحله تشخیص شکوفایی همه شکوفایی ها در همه پنجره های دلخواه شناسایی شدند. در مرحله بعد تاثیر فصلی و روندی از جریان داده حذف شده و شکوفایی برای جریان داده جدید شناسایی گردید. در مرحله نهایی شکوفایی شناسایی شده قبل و بعد از حذف مولفه ها مقایسه شدند. بر اساس نتایج، در دو سرویس، قبل و بعد از حذف مولفه ها شکوفای شناسایی شده تغییر نمود. اما برای دیگر سرویس ها تغییری ایجاد نگردید.