数据治理中时序数据质量规则自动发现技术

摘要

在数据治理体系中，时序数据因具备时间依赖性、连续性等特性，其质量管控成为关键难题。传统人工制
定质量规则的方式效率低下且适应性不足，难以匹配时序数据的海量增长态势。本文聚焦时序数据质量规则自动发
现技术，首先界定时序数据质量的核心维度与规则类型，随后构建“数据预处理-多维度规则挖掘-规则优化验证”
的技术框架，重点提出融合统计分析与行列关联挖掘的时序否定约束（TDC）构建方法。通过工业传感器数据集与
电力负荷数据集的实验验证，该技术在规则准确率与挖掘效率上均优于传统单维度挖掘方法。研究成果为提升时序
数据治理的自动化水平提供了技术支撑，可广泛应用于工业制造、能源管理等领域。