1.一种基于多约束协同的异常数据检测并修复的方法，其特征在于，所述方法包括：确定多元时间序列中的待修复时间区间；根据所述待修复时间区间建立依赖网络；根据所述依赖网络获取可变特征预测顺序以及对应的预测模型字典；根据所述可变特征预测顺序和所述预测模型字典确定可变特征对应的候选修复值；根据所述候选修复值更新所述多元时间序列，实现时序数据的修复；所述根据所述待修复时间区间建立依赖网络，包括：获取所述待修复时间区间内的可变特征集合；根据所述可变特征集合中的可变特征之间的依赖关系，建立可变特征依赖网络有向图，实现依赖网络的建立；所述根据所述依赖网络获取可变特征预测顺序以及对应的预测模型字典，包括：分析所述可变特征依赖网络有向图；根据所述可变特征依赖网络有向图获取可变特征预测顺序；根据所述可变特征依赖网络有向图学习可变特征预测模型，获取所述可变特征预测顺序对应的预测模型字典；所述根据所述可变特征预测顺序和所述预测模型字典确定可变特征对应的候选修复值，包括：从所述预测模型字典中获取所述可变特征预测顺序对应的机器学习模型信息；利用所述机器学习模型信息和所述可变特征预测顺序确定可变特征对应的候选修复值。
2.根据权利要求1所述的方法，其特征在于，所述确定多元时间序列中的待修复时间区间，包括：对约束合集合中的约束进行合规性检查，确定违规约束；根据所述违规约束确定多元时间序列中的异常时间区间；根据所述异常时间区间确定所述多元时间序列中的待修复时间区间；所述待修复时间区间大于所述异常时间区间。
3.根据权利要求1所述的方法，其特征在于，所述根据所述候选修复值更新所述多元时间序列，实现时序数据的修复之前，还包括：根据约束信息和原始数据信息，利用清洗代价函数对所述可变特征对应的所述候选修复值进行评价；根据评价结果，确定最佳候选修复值。
4.根据权利要求3所述的方法，其特征在于，所述根据所述候选修复值更新所述多元时间序列，实现时序数据的修复，包括：选取所述候选修复值中的所述最佳候选修复值；将所述最佳候选修复值更新到所述多元时间序列中，实现时序数据的修复。
5.一种基于多约束协同的异常数据检测并修复的装置，其特征在于，包括：第一确定模块，用于确定多元时间序列中的待修复时间区间；建立模块，用于根据所述待修复时间区间建立依赖网络；获取模块，用于根据所述依赖网络获取可变特征预测顺序以及对应的预测模型字典；第二确定模块，用于根据所述可变特征预测顺序和所述预测模型字典确定可变特征对应的候选修复值；修复模块，用于将所述候选修复值更新至所述多元时间序列中，实现时序数据的修复；所述建立模块具体用于：获取所述待修复时间区间内的可变特征集合；根据所述可变特征集合中的可变特征之间的依赖关系，建立可变特征依赖网络有向图，实现依赖网络的建立；所述获取模块具体用于：分析所述可变特征依赖网络有向图；根据所述可变特征依赖网络有向图获取可变特征预测顺序；根据所述可变特征依赖网络有向图学习可变特征预测模型，获取所述可变特征预测顺序对应的预测模型字典；所述第二确定模块具体用于：从所述预测模型字典中获取所述可变特征预测顺序对应的机器学习模型信息；利用所述机器学习模型信息和所述可变特征预测顺序确定可变特征对应的候选修复值。
6.一种基于多约束协同的异常数据检测并修复的设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述基于多约束协同的异常数据检测并修复的方法的步骤。
7.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述基于多约束协同的异常数据检测并修复的方法的步骤。
