1、基于时间序列的异常检测的技术框架，涉及离线模块和在线模块，要关注数据的存储和提取，以及相关的监督算法、无监督算法和统计算法。
2、统计判别算法的数据获取，以当前时刻为标准，取7天前后3小时、昨天溱碳叛鹤前后3小时和今天的前三小时，采用移动平均算法和指数移动平均算法控制。
3、无监督算法，可以从多维特征中寻找异常点，使用超平面的思想来进行异常和正常的区分，使用神经网络的误差来进行异常判断。
4、时间序列的特征工程包括时间序列的统计特征，时间序列的拟合特征，以及时间序列的分类特征。
5、时间序列的统计特征，关注：最大值，最小值，值域；均值，中位数；方差，偏度，峰度；同比环比周期性，自相关系数和变异系数。
6、时间序列的拟合特征，涉及移动平均算法，带权重的移动平均算法，以及EWMA和SVD等算法，体现了集成学习的思想。
7、时间序列的分类特征，涉及到熵特征，值分布特征，小波分析特征，典型类别包括昨日放量型，毛刺型和平稳型。
