Простой алгоритм для обнаружения изолированной части онлайн универсального временного ряда

Я работаю с большим рядом количества времени. Эти временные ряды являются в основном сетевыми измерениями, происходящими каждые 10 минут, и некоторые из них являются периодическими (т.е. пропускная способность), в то время как некоторый другой не (т.е. объем маршрутизации трафика).

Я хотел бы простой алгоритм за то, что он сделал "обнаружение изолированной части онлайн". В основном я хочу сохранить в памяти (или на диске) целые исторические данные для каждого временного ряда, и я хочу обнаружить любую изолированную часть в живом сценарии (каждый раз, когда новый образец получен). Что лучший способ состоит в том, чтобы достигнуть этих результатов?

Я в настоящее время использую скользящее среднее значение для удаления некоторого шума, но затем что затем? Простые вещи как стандартное отклонение, безумное... против целого набора данных, не работают хорошо (я не могу предположить, что временные ряды являются стационарными), и я хотел бы что-то более "точное", идеально черный квадрат как:

double outlier_detection(double* vector, double value);

где вектор является массивом двойных, содержащих исторические данные, и возвращаемое значение является счетом аномалии к новому демонстрационному "значению".