شکوفایی فرکانس بالای غیر معمول از وقوع یک رویداد در پنجره زمانی است. تشخیص شکوفایی فعالیتی است که تجمیع های غیر عادی را در جریان داده پیدا می کند. روند و فصلی دو مشخصه مهم از سری های زمانی هستند که اغلب اتفاق می افتند. مطالعه حاضر سعی می‏کند تشخیص شکوفایی را بهبود دهد. ما از روش مبتنی بر موجک برای تشخیص شکوفایی در جریان داده استفاده کردیم و اثرفصلی و روندی را از جریان داده به منظور بهبود تشخیص شکوفایی حذف نمودیم. دو روش در تشخیص شکوفایی وجود دارد، روش های مبتنی بر آستانه و روش های مبتنی بر وضعیت. ما از ساختار درخت باینری انتقالی برای نظارت بر شکوفایی ارتجاعی موثر استفاده کردیم و مولفه های فصلی و روندی را با استفاده از توابع سری زمانی حذف نمودیم. ما روش خود را روی داده های دنیای واقعی بکار بردیم و شرکتی که دستگاه های الکترونیکی تولید می‏کند را مورد مطالعه قرار دادیم. در مرحله تشخیص شکوفایی همه شکوفایی ها در همه پنجره های دلخواه شناسایی شدند. در مرحله بعد تاثیر فصلی و روندی از جریان داده حذف شده و شکوفایی برای جریان داده جدید شناسایی گردید. در مرحله نهایی شکوفایی شناسایی شده قبل و بعد از حذف مولفه ها مقایسه شدند. بر اساس نتایج، در دو سرویس، قبل و بعد از حذف مولفه ها شکوفای شناسایی شده تغییر نمود. اما برای دیگر سرویس ها تغییری ایجاد نگردید.