本发明涉及一种基于时序数据预测的异常检测方法,它包括利用维度独立解耦多维时间序列的复杂性，得到多个单变量的时间序列；利用平均池化方法进行序列分解，得到有更准确知识的趋势性序列和可能带有噪声和异常的季节性序列；对于趋势性序列和季节性序列采用相同的标准化和分割操作，得到标准化后的数据块；结合对趋势性数据块使用基于点积注意力的全量预测和对季节性序列使用基于稀疏注意力的稀疏预测结果，得到最终预测值；计算实际值与预测值之间的预测误差，并基于极值理论生成动态阈值，从而通过对比阈值与预测误差实现异常检测。该方法在无标记的情况下实现了对多维时间序列的异常检测且检测准确率高。