桥梁是经济发展的基石,而为桥梁安全稳定运营保驾护航的桥梁健康监测系统也越来越为人们所重视，该领域因此有了长足的发展。桥梁健康监测系统能够实时监测桥梁自身状况，及时发现不安全因素并定量分析，可以有效应对地震等突发事件，更为深远的意义在于改进设计方法规范等，促进相关领域发展。前述桥梁健康监测的意义都是建立在系统所取得的数据是真实有效的基础之上的，但是在实际应用中因为各种人为非人为因素的干扰，监测系统会得到数目难以忽略的异常数据。此外，目前监测数据的分析显示大都为二维图表，效果不佳。针对上述问题，本文主要做了以下一些工作：　　1.针对桥梁健康监测系统中存在的异常数据问题，本文先采用时间序列分析对监测数据进行预测以恢复正常数据，得到的结果误差为13.76％，次于BP神经网络得到的结果（误差为7.74%）。在此基础上本文采用基于时间序列分析的卡尔曼滤波对原始数据进行预测，该方案的创新点在于结合了时间序列分析和卡尔曼滤波的优点。得到的结果误差为5.13%，优于BP神经网络，且时间复杂度仅为O(n)。由于监测信号存在强相关信号，本文又提出了基于改进灰色斜率相关度模型的相关度法修复监测信号，误差为3.57%，优于基于时间序列分析的卡尔曼滤波法。　　2.针对监测数据的分析显示大都为二维图表，效果不佳的问题，本文提出了先插值再可视化的方法。本文先采用同类插值法中性能较为优良的克里金插值法进行插值以得到未布置传感器位置的桥梁健康监测参数值。将所有参数值按大小与颜色相对应，用VRML将监测参数以彩色三维图显示在桥梁三维模型上，完成监测数据可视化。　　综上所述，本文针对桥梁健康监测系统中的异常数据提出了两种修复方法进行修复。针对桥梁监测数据分析报告的单一化问题提出了基于克里金插值法和 VRML的三维可视化方法。最后得到的结果显示两部分工作均得到了较好的效果。