文档首页/ 盘古大模型 PanguLargeModels/ API参考/ API/ 模型推理接口/ 预测大模型/ 盘古时序异常检测大模型-V2
更新时间：2026-07-13 GMT+08:00
查看PDF
分享

盘古时序异常检测大模型-V2

功能介绍

基于盘古时序异常检测基模型（V2）实现零样本推理，兼容单变量与多变量时序数据，针对点异常、区间异常、趋势异常、周期异常等常见时序异常场景，提供时间点级异常概率评分。

授权信息

账号具备所有API的调用权限，如果使用账号下的IAM用户调用当前API，该IAM用户需具备调用API所需的权限，具体权限要求请参见权限和授权项。

URI

POST /

获取URI方式请参见请求URI。

请求参数

使用Token认证方式的请求Header参数见表1。

表1 请求Header参数（Token认证）

参数

是否必选

参数类型

描述

X-Auth-Token

是

String

参数解释：

用户Token。

用于获取操作API的权限。如图4中响应消息头中X-Subject-Token的值即为Token。

约束限制：

不涉及

取值范围：

不涉及

默认取值：

不涉及

Content-Type

是

String

参数解释：

发送的实体的MIME类型。

约束限制：

不涉及

取值范围：

不涉及

默认取值：

application/json

使用API Key认证方式的请求Header参数见表2 。

表2 请求Header参数（API Key认证）

参数

是否必选

参数类型

描述

X-Apig-AppCode

是

String

参数解释：

API Key值。

用于获取操作API的权限。API Key认证响应消息头中X-Apig-AppCode的值即为API Key。

约束限制：

不涉及

取值范围：

不涉及

默认取值：

不涉及

Content-Type

是

String

参数解释：

发送的实体的MIME类型。

约束限制：

不涉及

取值范围：

不涉及

默认取值：

application/json
表3 请求Body参数

参数

是否必选

参数类型

描述

data

是

Array

参数解释：

时序异常检测批处理数据。

约束限制：

盘古时序预测分类任务的输入数据内容，用字典承载。输入数据字典中，键对应特征列名，值为列表承载的序列数据具体内容，单条时序数据窗口长度区间为[2, 10000]。

mode

否

String

参数解释：

模型选择策略指定，可选择模式包括["auto"，"uni", "multi"]，默认启用auto：

1. "auto"：自动匹配——单变量任务用单变量模型，多变量任务用多变量模型。

2. "uni"：强制单变量——多变量数据拆分为独立通道，逐通道处理。

3. "multi"：强制多变量——单变量数据仍走单变量模型，多变量数据走多变量模型。

约束限制：

无

取值范围：

{"auto", "uni", "multi"}

默认取值：

"auto"

use_scaler

否

bool

参数解释：

是否启用归一化：

1. true：服务内部对输入数据进行标准化处理。

2. false：跳过归一化，适用于数据已在外部完成预处理的场景。

约束限制：

无

取值范围：

true/false

默认取值：

true

batch_size

否

int

参数解释：

批处理大小：单次推理的样本数量。若设置过大导致内存不足(OOM)，服务内有防呆设计，会自动清空缓存并将batch_size减半重试，最低降至1。

约束限制：

无

取值范围：

该模型推理规格受显存上限影响，受到batch_size/context_length/num_cols影响：

1) 与batch_size的关系：成正比。

2) 与context_length的关系：成平方关系。

3) 与num_cols的关系：成平方关系。

对于单卡310P，需满足batch_size * (num_cols)^2 * (context_length)^2 < 5^2*2^30。

默认取值：

32

get_logit

否

bool

参数解释：

是否返回异常原始得分：

1. false：仅返回异常概率(0~1)。

2. true：同时返回原始logits，用于精细分析（返回数据量较大，为防止返回体过大默认置为false）。

约束限制：

无

取值范围：

true/false

默认取值：

false

get_reconstruction

否

bool

参数解释：

是否返回重构值：

1. false：不返回重构序列。

2. true：返回模型重构的时序数据，用于对比原始值与重构值的差异（返回数据量较大，为防止返回体过大默认置为false）。

约束限制：

无

取值范围：

true/false

默认取值：

false

响应参数

状态码： 200

表4 响应Body参数

参数

参数类型

描述

data

LIST<OutputMeta>

参数解释：

盘古时序异常检测预置/预训练大模型返回结果。

1. "anomaly_prob": 异常概率，每个时间点的异常置信度(0~1)

1) 单变量任务或多变量任务mode≠"uni"时返回List[Float]。

2) 多变量任务且mode="uni"时返回Dict（按通道分别输出）。

2. "anomaly_logit": 异常原始得分，softmax前的logits差值（仅当get_logit=true时返回）

1) 单变量任务或多变量任务mode≠"uni"时返回List[Float]。

2) 多变量任务且mode="uni"时返回Dict（按通道分别输出）。

3. "reconstruction"：重构序列，模型重建的时序数据（仅当get_reconstruction=true时返回），key为通道名。

约束限制：

不涉及

取值范围：

不涉及

默认取值：

不涉及

time_cost

JSON

参数解释：

当启动服务时，本次请求服务各阶段耗时情况。

约束限制：

不涉及

取值范围：

不涉及

默认取值：

不涉及

状态码： 400

表5 响应Body参数

参数

参数类型

描述

error_code

String

错误码。

error_msg

String

错误信息。

请求示例

{
  "mode": "auto", #可选模式包括["auto"，"uni", "multi"]
  "use_scaler": true, #是否启用归一化,默认为true开启归一化
  "batch_size": 32, #批处理大小指定
  "get_logit": false, #是否返回异常logit(原始得分)
  "get_reconstruction": false, #是否返回重构值
  "data": [
    {
      "context": {
        "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
        "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
        "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
        "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...]   
      }
    },
    {
      "context": {
        "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
        "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
        "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
        "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...]
      }
    },
    {...},
    {...}
  ]
}

响应示例

## 若指定计算模式为返回异常分（option∈["重构误差"，"重构方差", "重构误差+方差"]）
{
  "data": [
    {
        ## 异常概率
        # 默认返回List[Float]，对应每个时间点的异常概率
        "anomaly_prob":[ 0.0123, 0.0234, 0.9765, ...],
        # 若为多通道任务却开启了单通道预测模式（mode=uni）,每个通道的异常概率单独返回。
        "anomaly_prob":{
            "feature_0": [ 0.0123, 0.0234, 0.9765, ...],
            "feature_1": [ 0.0123, 0.0234, 0.9765, ...],
            "feature_2": [ 0.0123, 0.0234, 0.9765, ...],
            "feature_3": [ 0.0123, 0.0234, 0.9765, ...],
        },
        ## 异常logits(原始得分):当get_logit为true时返回
        # 默认返回List[Float]，对应每个时间点的异常logits(原始得分)
        "anomaly_logit":[ -10.32, -9.329, 9.234, ...]，
        # 若为多通道任务却开启了单通道预测模式（mode=uni）,每个通道的异常logits(原始概率)单独返回。
        "anomaly_logit":{
            "feature_0": [ -10.32, -9.329, 9.234, ...],
            "feature_1": [ -10.32, -9.329, 9.234, ...],
            "feature_2": [ -10.32, -9.329, 9.234, ...],
            "feature_3": [ -10.32, -9.329, 9.234, ...],
        },
        # 重构结果：当get_reconstruction为true时返回，每个通道的重构值
        "reconstruction":{
            "feature_0": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
            "feature_1": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
            "feature_2": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...],
            "feature_3": [ 864.1618041992188, 493.91827392578125, 252.7724151611328, ...]   
        },
    },
    {...},
    {...},
    {...}
  ],
  "time_cost": {
    "infer_cost_time": "82.609 ms",
    "postprocess_cost_time": "0.29 ms",
    "preprocess_cost_time": "0.1332 ms",
    "service_cost_total_time": "84.965 ms"
  }
}

状态码

请参见状态码。

错误码

请参见错误码。

父主题： 预测大模型

相关文档