Тип публикации: статья из журнала
Год издания: 2026
Идентификатор DOI: 10.31772/2712-8970-2026-27-2-194-211
Ключевые слова: system analysis, streaming data, anomaly detection, feature selection, time series, machine learning, Kolmogorov - Smirnov test, Anova, системный анализ, потоковые данные, обнаружение аномалий, селекция признаков, временные ряды, машинное обучение, тест Колмогорова - Смирнова
Аннотация: We consider the problem of analyzing low-intensity streaming data (one measurement per day) to identify hidden anomalies in the behavior of complex objects using taxpayers' fiscal data obtained from cash registers as an example. A methodology for constructing a multidimensional feature space is proposed, incorporating statistical, Показать полностьюstructural, and dynamic characteristics of time series. The methodology is based on a system of five clearly formulated working hypotheses: a change in the stationary operating mode of the object, the concentration of the total indicator volume on a small number of time samples, a binary (two-mode) structure of the value distribution, the presence of long periods of inactivity, and increased variability of indicators. Each hypothesis is formalized as a set of quantitative features with accompanying mathematical expressions. Feature selection methods are described in detail: correlation analysis with a target variable (threshold |r| > 0.2), nonparametric Kolmogorov - Smirnov test (p < 0.05), one-way ANOVA (p < 0.01), removal of multicollinear features (|r| > 0.8), and a combined approach. A comparative analysis of eight classification models was conducted on fiscal data (2200 objects, 365 days). Combined feature selection made it possible to reduce the dimensionality from 96 to 28 while increasing the ROC-AUC from 0.85 to 0.94. Validation on an independent sample confirmed the effectiveness of the approach: the proportion of confirmed anomalies was 84 %. The proposed methodology can be scaled up to other anomaly detection tasks in technical and economic systems with low-intensity data streams. Рассматривается задача анализа потоковых данных низкой интенсивности (одно измерение в сутки) для выявления скрытых аномалий в поведении сложных объектов на примере фискальных данных налогоплательщиков, получаемых с контрольно-кассовой техники. Предложена методология построения многомерного признакового пространства, включающая статистические, структурные и динамические характеристики временных рядов. В основе методологии лежит система из пяти явно сформулированных рабочих гипотез: о смене стационарного режима функционирования объекта, концентрации суммарного объема показателя на малом количестве временных отсчетов, бинарной (двухрежимной) структуре распределения значений, наличии длительных периодов бездействия, повышенной вариативности показателей. Каждая гипотеза формализована в виде набора количественных признаков с приведением математических выражений. Детально описаны методы отбора признаков: корреляционный анализ с целевой переменной (порог |r| > 0,2), непараметрический тест Колмогорова - Смирнова (p < 0,05), однофакторный дисперсионный анализ ANOVA (p < 0,01), удаление мультиколлинеарных признаков (|r| > 0,8), а также комбинированный подход. Проведен сравнительный анализ восьми моделей классификации на фискальных данных (2200 объектов, 365 дней). Комбинированный отбор признаков позволил сократить размерность с 96 до 28 при повышении ROC-AUC с 0,85 до 0,94. Валидация на независимой выборке подтвердила эффективность подхода: доля подтверждённых аномалий составила 84 %. Предложенная методология может быть масштабирована на другие задачи обнаружения аномалий в технических и экономических системах с низкоинтенсивными потоками данных.
Журнал: Сибирский аэрокосмический журнал
Выпуск журнала: Т.27, №2
Номера страниц: 194-211
ISSN журнала: 27128970
Место издания: Красноярск
Издатель: Сибирский государственный университет науки и технологий им. акад. М.Ф. Решетнева