在时间序列分析中,双线性模型的研究越来越重要,这是基于双线性模型能够很好拟合现实中许多非线性现象。其中,变点估计和异常点检测是双线性模型研究中的两个主要研究问题。本文分别采用贝叶斯方法和小波方法对含有多个变点和不同类型的异常点(单个异常点和成片异常点)的双线性模型进行检测。针对双线性时间序列模型里的变点估计和异常点检测问题,本文首先采用贝叶斯方法解决：针对变点估计问题,我们把多个变点当成多个随机变量,运用贝叶斯方法对这些变点进行估计；针对异常点检测问题,本文采用标准Gibbs抽样检测单个异常点,自适应Gibbs抽样检测成片异常点。针对同一问题,本文还提出了一种基于小波变换的双线性模型变点估计和异常点检测方法。一方面,针对变点估计问题,我们对序列进行多尺度小波分解,每个尺度相当于一层,在每一层找到多个变点,再把它们映射到原序列中,得到变点估计；另一方面,针对异常点检测问题,本文基于小波模极大值的相关理论,采用小波模极大值法检测序列的异常点。最后,本文通过模拟试验,验证了两种检测方法的可行性。通过对贝叶斯方法与小波变换两种方法的比较,本文发现如下结论：贝叶斯方法都更为精确,并能得到异常点的影响大小；小波方法在满足一定的准确率上所需的运行时间远远小于贝叶斯方法。