[论文解读] Detection of additive outliers in Poisson INteger-valued AutoRegressive time series

Maria Eduarda Silva, Isabel Pereira|arXiv (Cornell University)|Apr 29, 2012

Fault Detection and Control Systems参考文献 14被引用 6

一句话总结

本文提出一种基于Gibbs抽样的贝叶斯方法，用于检测泊松分布的整数值自回归（INAR(1)）时间序列中的加法异常值。通过将异常值存在性建模为隐式伯努利变量，并利用后验分布估计异常值大小，该方法能够识别高概率的异常值时间点，并改善参数估计。在真实IP访问数据集中，成功检测到t=224处已知异常值，其后验概率为0.90。

ABSTRACT

Outlying observations are commonly encountered in the analysis of time series. In this paper the problem of detecting additive outliers in integer-valued time series is considered. We show how Gibbs sampling can be used to detect outlying observations in INAR(1) processes. The methodology proposed is illustrated using examples as well as an observed data set.

研究动机与目标

• 为解决计数型时间序列中加法异常值检测缺乏稳健方法的问题，特别是在INAR(1)模型中的问题。
• 开发一种贝叶斯框架，联合估计模型参数并识别整数值时间序列中的异常值事件。
• 克服经典异常值检测方法的局限性，后者常产生非整数值结果，且在离散数据背景下表现不佳。
• 通过隐变量建模引入异常值效应，改善模型拟合度与参数估计。
• 提供一种实用且计算可行的方法，用于识别和量化现实世界计数数据中的加法异常值。

提出的方法

• 将观测时间序列建模为带有加法异常值（AOs）的泊松分布INAR(1)过程，其中异常值通过隐式伯努利指标δt和独立的泊松分布异常值大小ηt表示。
• 使用Gibbs抽样迭代更新α、λ、δt和ηt的完整条件后验分布，实现参数与异常值检测的联合估计。
• 分配独立的先验分布：δt ~ Bernoulli(ε)用于异常值发生，ηt ~ Poisson(β)用于异常值大小，其中ε和β为固定超参数。
• 采用分层贝叶斯模型，似然函数基于INAR(1)过程与异常值污染共同推导，隐变量用于指示每个时间点的异常值状态。
• 计算每个时间点异常值发生的后验概率，从而识别高概率的异常值事件。
• 将该方法应用于模拟数据与真实服务器IP访问计数数据集，验证其在已知异常值上的性能。

实验结果

研究问题

• RQ1 基于贝叶斯Gibbs抽样方法是否能有效检测泊松分布INAR(1)时间序列中的加法异常值，而传统方法因离散性而失效？
• RQ2 在整数值时间序列中，引入加法异常值在多大程度上改善了参数估计与模型拟合度？
• RQ3 每个时间点异常值发生的后验概率是多少？与已知异常值事件相比有何差异？
• RQ4 成簇异常值引起的遮蔽与误判效应在多大程度上影响检测准确性？如何缓解这些问题？
• RQ5 该方法能否扩展至更高阶的INAR(p)模型？其计算挑战是什么？

主要发现

• Gibbs抽样方法成功检测到IP访问数据中t=224处的已知异常值，其后验概率为0.90，确认其为异常值的可能性极高。
• 对于IP数据，贝叶斯估计结果为α̂_Bayes = 0.27和λ̂_Bayes = 0.89，与剔除异常值后的CLS估计结果（α̂_CLS = 0.29，λ̂_CLS = 0.91）非常接近。
• 在模拟数据中，三个异常值分别位于时间点9、27和97，该方法正确识别出所有异常值，其后验概率分别为0.90、0.01和0.81。
• t=224处估计的异常值大小为η̂ = 7，接近CLS估计值6.73，表明不同方法间具有一致性。
• α与λ的后验分布集中在估计值附近，表明推断结果稳定可靠。
• 通过提供概率化的异常值检测而非确定性阈值，该方法有效降低了遮蔽与误判风险。