داده های جریانی در بستر پویا و در حال تغییر، تکامل می یابند؛ بنابراین، رانش مفهوم یا تغییر توزیع اساسی داده ها با گذشت زمان، یکی از مهم ترین چالش های این نوع از داده ها است. علاوه بر این، رانش مفهوم بر عملکرد فرآیند تشخیص ناهنجاری نیز تأثیر می گذارد. تشخیص ناهنجاری در چنین داده هایی در حوزه های متعددی ازجمله تشخیص نفوذ در شبکه های کامپیوتری یا مدیریت ترافیک شبکۀ راهها کاربرد دارد. در سال های اخیر، رویکردهایی مبتنی بر تجزیۀ تانسور ارائه شده اند که به صورت برخط زیرفضا را ردیابی می کنند و یادگیرنده را با یک استراتژی ناآگاهانه و به طور ضمنی در همۀ گام های زمانی، در مقابل تغییرات تطبیق می دهند. این مقاله، یک رویکرد برخط را پیشنهاد می کند که رانش مفهوم را به طور صریح تشخیص می دهد و اعلام می کند. بدین ترتیب یادگیرنده نیز با یک استراتژی آگاهانه و تنها در گام های زمانی لازم با تغییرات و رانش، تطبیق پیدا می کند. ارزیابی راهکار پیشنهادی با استفاده از مجموعه داده های واقعی انجام شد و تحلیل نتایج به دست آمده، عملکرد روش پیشنهادی را از جنبه های یادگیری و تشخیص تأیید می کند.