#时间序列异常检测

egads

EGADS是一个开源Java库,用于自动检测大规模时间序列数据中的异常。它采用模块化架构,包含时间序列建模和异常检测两个主要组件,支持多种模型和算法。EGADS可扩展性强,易于集成到现有监控系统中,适用于多种应用场景。该库仅依赖Java,部署简单,为大规模时间序列异常检测提供高效解决方案。

Orion

Orion是MIT数据到AI实验室开发的开源库，专注于无监督时间序列异常检测。该项目提供多个验证过的机器学习管道，能够识别时间序列数据中的异常模式。Orion集成了自动机器学习工具，支持AER、TadGAN等算法，并提供完善的文档、教程和基准测试。兼容Python 3.8-3.11版本，可通过pip轻松安装。适用于需要进行时间序列分析的研究人员和开发者。

tsod

tsod是一个开源的时间序列异常检测Python库，专注于水领域应用。它提供简洁统一的API，集成多种算法从基础规则到高级神经网络，能高效识别传感器数据中的异常和缺失。该工具部署便捷，适用于实时决策和数值模拟的数据预处理。tsod面向DHI用户和水领域，提供可靠的异常检测方案，并鼓励社区参与开发。