分类

← View All Tools

时间序列异常检测器

上传 CSV 或 JSON 时间序列数据，基于 Z-Score 和 IQR 检测异常点，并输出带图表的报告

示例结果

2 个示例

标记日收入中的异常尖峰

上传简单时间序列，用图表和异常区段摘要标出异常日期

Time series report with one highlighted anomaly and a rendered chart.
查看输入参数
{ "rawInput": "timestamp,value\n2026-03-01,110\n2026-03-02,112\n2026-03-03,109\n2026-03-04,315\n2026-03-05,111", "timestampColumn": "timestamp", "valueColumn": "value", "detectionMethod": "both", "zScoreThreshold": 2.5, "seasonalityWindow": 0 }

结合季节上下文审查服务器延迟漂移

使用 Z-Score 和季节窗口分析监控数据，区分正常波动和真实异常

Time series report with anomaly markers, trend slope, and contiguous anomaly segments.
查看输入参数
{ "rawInput": "timestamp,value\n2026-03-01T00:00:00Z,122\n2026-03-01T01:00:00Z,121\n2026-03-01T02:00:00Z,119\n2026-03-01T03:00:00Z,165\n2026-03-01T04:00:00Z,120\n2026-03-01T05:00:00Z,118", "timestampColumn": "timestamp", "valueColumn": "value", "detectionMethod": "zscore", "zScoreThreshold": 2, "seasonalityWindow": 3 }

Click to upload file or drag and drop file here

Maximum file size: 25MB Supported formats: text/csv, application/json, application/vnd.ms-excel, application/vnd.openxmlformats-officedocument.spreadsheetml.sheet

关键信息

分类
Data Analysis
输入类型
textarea, file, text, select, number
输出类型
html
样本覆盖
4
支持 API
Yes

概览

时间序列异常检测器是一款专业的数据分析工具，支持上传 CSV、JSON 或 Excel 格式的时间序列数据。通过配置 Z-Score 和 IQR 算法，结合自定义的阈值与季节性窗口，该工具能够精准识别数据中的异常波动和尖峰，并自动生成包含可视化图表和异常区段摘要的 HTML 报告，帮助您快速定位业务或系统中的异常情况。

适用场景

  • •需要监控服务器性能指标（如延迟、CPU使用率），快速定位突发性系统故障时。
  • •分析每日营收、销量等业务数据，排查异常的业绩飙升或断崖式下跌时。
  • •在进行深度数据分析前，需要清洗物联网传感器数据并剔除异常噪点时。

工作原理

  • •在文本框中粘贴 CSV/JSON 数据，或直接上传包含时间序列的本地文件（支持 CSV、JSON 及 Excel 格式）。
  • •指定数据中的「时间列」和「数值列」名称，确保工具正确解析数据结构。
  • •选择检测方法（Z-Score、IQR 或两者结合），并根据需求调整 Z-Score 阈值与季节性窗口参数。
  • •点击运行，工具将自动计算并输出一份包含可视化图表和异常点摘要的 HTML 分析报告。

使用场景

运维监控：自动检测服务器延迟、流量带宽等监控日志中的异常尖峰，辅助排查宕机或网络攻击。
财务与销售分析：审查每日收入或订单量的时间序列，标记出不符合常规趋势的异常日期。
物联网数据清洗：识别并过滤温度、湿度等传感器采集数据中的离群值，提高数据质量。

用户案例

1. 标记日收入中的异常尖峰

数据分析师
背景原因
公司需要审查近期的每日营收数据，找出可能存在数据记录错误或突发性爆单的日期。
解决问题
手动排查大量时间序列数据耗时且容易遗漏，需要自动化的异常标记工具。
如何使用
粘贴包含日期和收入的 CSV 数据，将检测方法设置为 Z-Score + IQR，并将 Z-Score 阈值设为 2.5。
示例配置
时间列: timestamp, 数值列: value, 检测方法: both, Z-Score 阈值: 2.5
效果
生成可视化图表，清晰标出收入异常飙升的数据点，并输出异常区段摘要供进一步分析。

2. 结合季节上下文审查服务器延迟漂移

运维工程师
背景原因
服务器在特定时间段会出现周期性的负载增加，导致延迟波动，但有时也会发生真实的性能故障。
解决问题
传统的固定阈值报警会产生大量误报，需要结合周期性趋势来区分正常波动和真实异常。
如何使用
上传服务器每小时延迟的监控数据，选择 Z-Score 检测方法，设置阈值为 2，并配置季节窗口为 3。
示例配置
检测方法: zscore, Z-Score 阈值: 2, 季节窗口: 3
效果
工具结合季节性上下文进行分析，成功过滤掉正常的周期性波动，准确标记出真实的延迟突增异常。

用 Samples 测试

json, csv, xml
CSV示例
各种数据类型、大小和复杂度级别的CSV示例文件
preferred input family json,csv
json, csv
Python 示例
Python代码示例和Hello World演示
preferred input family json,csv
json, csv
XLSX 样本
用于工作表解析与数据提取测试的 XLSX 样本
preferred input family xls,xlsx
xls, xlsx
WebRTC 实时通信示例
全面的 WebRTC 示例，用于点对点音视频通信、数据通道、屏幕共享和信令服务器实现
title token time
json

相关专题

Json 工具专题
探索 44 个围绕 json 的 utility 工作流工具，快速找到相近能力。
JsonConvert工具专题
探索 100 个围绕 json 的 convert 工作流工具，快速找到相近能力。
TextConvert工具专题
探索 80 个围绕 text 的 convert 工作流工具，快速找到相近能力。
CsvConvert工具专题
探索 37 个围绕 csv 的 convert 工作流工具，快速找到相近能力。

常见问题

支持哪些数据格式？

支持直接粘贴 CSV 或 JSON 文本，也可上传 CSV、JSON 以及 Excel (XLSX/XLS) 格式的文件。

Z-Score 和 IQR 有什么区别？

Z-Score 适用于正态分布数据，通过计算数据点偏离均值的标准差倍数来寻找异常；IQR 基于四分位数，对极端值（离群点）更具鲁棒性，适合非正态分布数据。

季节窗口（Seasonality Window）的作用是什么？

它可以帮助模型在检测异常时参考周期性波动（如每日或每周的固定趋势），从而区分正常的季节性起伏与真正的异常突变。

如何调整异常检测的严格程度？

您可以通过修改 Z-Score 阈值来调整。阈值越小（如 2），检测越严格，标记的异常越多；阈值越大（如 3 或更高），只标记极端的异常点。

生成的报告包含哪些内容？

报告为 HTML 格式，包含时间序列的可视化图表、标记出的异常数据点、趋势斜率以及连续异常区段的摘要信息。

API 文档

请求端点

POST /zh/api/tools/time-series-anomaly-detector

请求参数

参数名 类型 必填 描述
rawInput textarea 否 -
dataFile file (需要先上传) 否 -
timestampColumn text 否 -
valueColumn text 否 -
detectionMethod select 否 -
zScoreThreshold number 否 -
seasonalityWindow number 否 -

文件类型参数需要先通过 POST /upload/time-series-anomaly-detector 上传获取 filePath，然后将 filePath 传递给对应的文件字段。

响应格式

{
  "result": "
Processed HTML content
",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}
HTML: HTML

AI MCP 文档

将此工具添加到您的 MCP 服务器配置中： 

{
  "mcpServers": {
    "elysiatools-time-series-anomaly-detector": {
      "name": "time-series-anomaly-detector",
      "description": "上传 CSV 或 JSON 时间序列数据，基于 Z-Score 和 IQR 检测异常点，并输出带图表的报告",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=time-series-anomaly-detector",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

你可以串联多个工具，比如：`https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`，最多20个。

支持 URL 文件链接或 Base64 编码作为文件参数。

如果遇见问题，请联系我们：[email protected]