水质异常检测子系统是饮用水污染预警系统的重要组成部分,能够及时有效的发现污染物泄漏或人为投毒事故,并给出预警信息和辅助处理手段,对保障饮用水供水系统安全,提高快速应急能力具有重大意义,其关键是水质异常检测方法。本文提出基于多传感器数据融合的水质异常检测方法,通过仿真和实验研究分析算法的异常检测性能,并初步完成了实验平台配套的水质异常检测软件的开发。本文的主要工作和创新点如下：1.大多现有水质监测方法只根据单个水质指标是否超标来判断水质异常,得到的检出率低且误报率高。本文提出基于自回归模型和模糊C-均值聚类对多种水质指标进行融合的水质异常检测方法,通过自回归预测模型实现水质背景信号的高精度跟踪,再利用模糊C-均值聚类算法融合多种指标的预测残差获取多维水质综合信息。最后引入基于ROC曲线的性能评价方法来验证该算法的异常检出率和误报率。2.聚类算法需要依赖一定的先验知识,实际应用中往往又很难获得完备的先验异常数据,为此论文研究了基于改进D-S证据理论对多种水质指标信息进行融合的水质异常检测方法,通过比较基于不同基本概率分配函数、不同冲突证据处理方法的性能差异,提出了基于类正态分布的概率分配函数以及改进的冲突证据处理策略,使该算法适用于各种具有不同敏感指标的水质异常情况。进而对改进的D-S证据融合方法和模糊C-均值聚类方法进行了性能对比分析,明确了各自的优势和适用场合。3.基于多种水质监测传感器设计了在线实验平台,通过静态分析实验进行污染物浓度与常规指标的关系研究,并选取不同浓度的铁氰化钾和硫酸铁铵溶液来模拟饮用水水质污染物异常事件,分析算法的实际在线检测性能。最后完成了与实验配套的水质异常检测软件的开发,详细介绍了该软件的框架设计和主要基础功能模块。总的来说,本文提出的两种基于多传感器数据融合的水质异常检测方法,能够检测出大多数的水质异常类型,适用于当前饮用水污染预警系统的日常水质监测。