随着互联网技术和传感器技术的飞速发展，人们探索海洋的手段越来越多样化，所产生的数据种类也越来越丰富，全球立体海洋观测网Argo的建立为海洋和气象变化领域的研究提供了宝贵的资料。由于Argo浮标自身抛弃性、随机性和易受环境影响的限制，观测到的剖面数据可能会存在不同种类的误差或错误。本文针对Argo剖面的数据异常问题，结合Argo剖面数据的特点，对Argo剖面数据异常检测进行了深入的研究，利用主曲线理论和时间序列预测模型，提出两种Argo剖面数据异常检测方法。　　（1）传统的气候学温-盐关系模型采用最小二乘法拟合数据，而Argo盐度剖面数据随温度变化呈非线性分布，针对在提取Argo剖面数据的特征上存在缺陷的问题，本文提出了一种基于主曲线的Argo温-盐剖面数据异常检测方法。利用K主曲线提取出Argo剖面数据的数据特征，并拟合为一条可以反映盐度随温度变化的曲线，建立改进的温-盐关系模型，利用该模型获得的盐度上下界曲线作为阈值曲线，实现对于Argo温-盐剖面数据的异常检测。　　（2）Argo剖面数据是不同时间段利用浮标采集到的海洋数据信息，且在同一区域范围内变化平稳，在深入研究时间序列预测模型和滑动窗口技术的基础上，本文提出了基于预测的Argo剖面数据异常检测方法。首先利用滑动窗口技术将Argo剖面序列进行划分，建立Argo剖面数据预测模型并将划分后的Argo剖面子序列作为输入参数获取剖面预测值，利用中心极限定理确定置信区间，通过判断观测剖面数据是否在置信区间内实现异常检测。　　实验验证表明：通过从中国Argo实时资料中心获取的全球Argo剖面数据进行验证，基于主曲线的Argo温-盐剖面数据异常检测方法和基于预测的Argo剖面数据异常检测方法均可以有效地检测出异常剖面点，而且具有较高的灵敏度和特异度。